Tabla de Contenidos
Nollahypoteesi osoittaa, että kahden populaatioparametrin välillä ei ole yhteyttä, toisin sanoen riippumattoman muuttujan ja riippuvan muuttujan välillä. Jos kokeen tulos osoitti suhteen kahden parametrin välillä, tulos voi johtua kokeellisesta tai otantavirheestä. Toisaalta, jos nollahypoteesi on väärä, mitattavassa ilmiössä on yhteys.
Nollahypoteesin käyttötarkoitukset
Nollahypoteesi on hyödyllinen, koska se auttaa päättelemään, onko kahden mitatun ilmiön välillä suhdetta vai ei. Nollahypoteesi voi osoittaa käyttäjälle, johtuvatko saadut tulokset sattumasta vai ilmiön manipuloinnista. Hypoteesin testaus mahdollistaa mainitun hypoteesin hylkäämisen tai hyväksymisen tietyllä luottamustasolla.
Nollahypoteesin tilastolliseen päättelyyn voidaan käyttää kahta lähestymistapaa: Ronald Fisherin merkitsevyystestiä ja Jerzy Neymanin ja Egon Pearsonin hypoteesitestiä . Fisherin merkitsevyystestin lähestymistapa sanoo, että nollahypoteesi hylätään, jos mitattu data on merkittävästi epätodennäköistä. Eli nollahypoteesi hylätään, jos se on väärä. Kun nollahypoteesi on väärä, sitä ei vain hylätä, vaan vaihtoehtoinen hypoteesi korvataan.
Jos havaittu tulos on yhdenmukainen nollahypoteesin aseman kanssa, hypoteesi hyväksytään. Toisaalta Neymanin ja Pearsonin hypoteesitestiä verrataan vaihtoehtoiseen hypoteesiin johtopäätöksen tekemiseksi havaitusta tiedosta. Nämä kaksi hypoteesia eroavat toisistaan havaittujen näytteiden perusteella.
Kuinka nollahypoteesi toimii
Nollahypoteesi on teoria, joka perustuu riittämättömään näyttöön ja vaatii lisätestausta sen osoittamiseksi, ovatko havaitut tiedot tosia vai vääriä. Nollahypoteesi voi esimerkiksi olla ”auringonvalo ei vaikuta kasvien kasvunopeuteen”. Se voidaan tarkistaa mittaamalla kasvien kasvu auringonvalon läsnä ollessa ja vertaamalla sitä kasvien kasvuun ilman auringonvaloa.
Nollahypoteesin hylkääminen avaa tien uusille kokeille, joilla varmistetaan näiden kahden muuttujan välinen suhde. Nollahypoteesin hylkääminen ei välttämättä tarkoita, että kokeilu ei toiminut, vaan se avaa oven uusille kokeille.
Nollahypoteesin erottamiseksi muista hypoteesien muodoista nollahypoteesi kirjoitetaan H0, kun taas vaihtoehtoinen hypoteesi kirjoitetaan HA tai H1. Merkitystestejä käytetään määrittämään nollahypoteesin totuus ja selvittämään, johtuuko havaittu data sattumasta tai mainitun datan manipuloinnista.
Esimerkiksi tutkijat testaavat hypoteesia tutkimalla satunnaista otosta kasveista, jotka on kasvatettu auringonvalon kanssa tai ilman sitä. Jos tulos osoittaa tilastollisesti merkitsevän muutoksen havaittuun dataan verrattuna, nollahypoteesi hylätään.
Esimerkki nollahypoteesista
Yhtiön No Profit Limitedin joukkovelkakirjalainojen vuosituoton oletetaan olevan 7,5 %. Testataksemme, onko hypoteesi totta vai epätosi, oletamme, että nollahypoteesi on ”Null Profit Limitedin joukkovelkakirjalainojen keskimääräinen vuosituotto ei ole 7,5 %.” Hypoteesin testaamiseksi hyväksymme ensin nollahypoteesin.
Kaikki tiedot, jotka ovat ristiriidassa esitetyn nollahypoteesin kanssa, katsotaan vaihtoehtoiseksi hypoteesiksi hypoteesitestauksessa. Tässä tapauksessa vaihtoehtoinen hypoteesi on ”Profit Null Limitedin keskimääräinen vuosituotto on 7,5 %”.
Otamme näytteen joukkolainojen vuotuisista tuotoista viimeiseltä viideltä vuodelta laskeaksemme otoskeskiarvon edelliseltä viideltä vuodelta. Tulosta verrataan sitten oletettuun 7,5 %:n vuotuiseen keskimääräiseen tuottoon nollahypoteesin testaamiseksi.
Osoittautuu, että yllättäen viiden vuoden keskimääräinen vuosituotto on 7,5 %; jos näin on, nollahypoteesi hylätään. Siksi vaihtoehtoinen hypoteesi hyväksytään.
Mikä on vaihtoehtoinen hypoteesi?
Vaihtoehtoinen hypoteesi on nollahypoteesin vastakohta. Vaihtoehtoinen hypoteesi ja nollahypoteesi ovat toisensa poissulkevia, mikä tarkoittaa, että vain toinen hypoteeseista voi olla totta.
Näiden kahden muuttujan välillä on tilastollinen merkitsevyys. Eli jos nollahypoteesin testaamiseen käytetyt näytteet antavat vääriä tuloksia, se tarkoittaa, että vaihtoehtoinen hypoteesi on tosi ja että näiden kahden muuttujan välillä on tilastollinen merkitsevyys.
Hypoteesitestin tavoite
Hypoteesin testaus on tilastollinen prosessi, joka koostuu ilmiötä tai populaatioparametria koskevan hypoteesin testaamisesta. Se on olennainen osa tieteellistä menetelmää, joka on systemaattinen lähestymistapa teorioiden arvioimiseen havaintojen avulla ja väitteen toden tai epätosi todennäköisyyden määrittämiseen.
Hyvä teoria mahdollistaa tarkkojen ennusteiden tekemisen. Ennusteita tekevälle analyytikolle hypoteesien testaus on tiukka tapa tukea ennustetta tilastollisella analyysillä. Hypoteesitestaus tunnistaa myös riittävästi tilastollista näyttöä populaatioparametrin tietyn hypoteesin tukemiseksi.
Lähteet
- Bookdowm. (nd). Neyman -Pearsonin hypoteesin testiteoria .
- Giron, J. (1998). RA Fisher : Hänen panoksensa tilastotieteeseen.
- Leenen, I. (2012). Nollahypoteesin testi ja sen vaihtoehdot . Koulutuksen arvioinnin laitos, lääketieteellinen tiedekunta, National Autonomous University of Meksiko.
- Rodriguez, E. (2005). Tilastot ja psykologia : tilastollisten päätelmien historiallinen analyysi.
- https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-statistics/supporting-topics/basics/null-and-alternative-hypotheses/
