La prueba real comienza considerando dos hipótesis. Se llaman la hipótesis nula y la hipótesis alternativa. Estas hipótesis contienen puntos de vista opuestos.
(H_0 ): la hipótesis nula: es una declaración sin diferencia entre las variables, no están relacionadas. Esto a menudo se puede considerar el status quo y, como resultado, si no puede aceptar el nulo, requiere alguna acción.
(H_A ): La hipótesis alternativa: es un reclamo sobre la población que es contradictoria a (H_0 ) y lo que concluimos cuando rechazamos (H_0 ). Esto suele ser lo que el investigador está tratando de probar.
Dado que las hipótesis nulas y alternativas son contradictorias, debe examinar la evidencia para decidir si tiene suficiente evidencia para rechazar la hipótesis nula o no. La evidencia es en forma de datos de muestra.
Después de haber determinado qué hipótesis admite la muestra, toma una decisión. Hay dos opciones para una decisión. Son «rechazar (h_0 )» si la información de la muestra favorece la hipótesis alternativa o «no rechazar (h_0 )» o «decline rechazar (h_0 )» si la información de la muestra es insuficiente para rechazar el nulo hipótesis.
(H_ {0} ) siempre tiene un símbolo con un igual en él. (H_ {a} ) nunca tiene un símbolo con un igual en él. La elección del símbolo depende de la redacción de la prueba de hipótesis. Sin embargo, tenga en cuenta que muchos investigadores (incluidos uno de los coautores en el trabajo de investigación) usan = en la hipótesis nula, incluso con> o Una prueba de hipótesis utiliza datos de muestra para determinar si algún reclamo sobre un parámetro de población es verdadero. Cada vez que realizamos una prueba de hipótesis, siempre escribimos una hipótesis nula y una hipótesis alternativa, que toma las siguientes formas: H0 (hipótesis nula): parámetro de población =, ≤, ≥ algún valor HA (hipótesis alternativa): parámetro de población <,>, ≠ algún valor Tenga en cuenta que la hipótesis nula siempre contiene el signo igual. Hipótesis nula: los datos de la muestra no proporcionan evidencia que respalde alguna afirmación que hace un reclamo por un individuo. Hipótesis alternativa: los datos de la muestra proporcionan evidencia suficiente para apoyar el reclamo que hace un individuo. Por ejemplo, suponga que se supone que la altura promedio de una cierta especie de planta mide 20 pulgadas de alto. Sin embargo, un botánico afirma que la altura promedio verdadera es mayor de 20 pulgadas. Para probar esta afirmación, puede salir y recolectar una muestra aleatoria de plantas. Luego puede usar estos datos de muestra para realizar una prueba de hipótesis utilizando las siguientes dos hipótesis: H0: μ ≤ 20 (la altura media verdadera de las plantas es igual o incluso menos de 20 pulgadas) HA: μ> 20 (la altura media verdadera de las plantas es mayor de 20 pulgadas) Si los datos de muestra recopilados por el botánico muestran que la altura media de esta especie de plantas es significativamente mayor de 20 pulgadas, puede rechazar la hipótesis nula y concluir que la altura media es superior a 20 pulgadas. En general, para comprender alguna característica de la población general, tomamos una muestra aleatoria y estudiamos la propiedad correspondiente de la muestra. Luego determinamos si alguna conclusión que llegamos a la muestra es representativa de la población. Esto se realiza eligiendo una función estimadora para la característica (de la población) que queremos estudiar y luego aplicando esta función a la muestra para obtener una estimación. Al usar la prueba estadística apropiada, determinamos si esta estimación se basa únicamente en el azar. La hipótesis de que la estimación se basa únicamente en el azar se llama hipótesis nula. Por lo tanto, la hipótesis nula es cierta si los datos observados (en la muestra) no difieren de lo que se esperaría solo sobre la base del azar. El complemento de la hipótesis nula se llama hipótesis alternativa. La hipótesis nula se abrevia típicamente como H0 y la hipótesis alternativa como H1. Dado que los dos son complementarios (es decir, H0 es verdadero si y solo si H1 es falso), es suficiente definir la hipótesis nula. Dado que nuestra muestra generalmente solo contiene un subconjunto de los datos en la población, no podemos estar absolutamente seguros de si la hipótesis nula es verdadera o no. Simplemente podemos recopilar información (a través de pruebas estadísticas) para determinar si es probable o no. Por lo tanto, hablamos sobre rechazar o no rechazar (también conocido como retención) la hipótesis nula sobre la base de alguna prueba, pero no de aceptar la hipótesis nula o la hipótesis alternativa. A menudo, en un experimento, en realidad estamos probando la validez de la hipótesis alternativa al probar si rechazar la hipótesis nula. A menudo, en estadísticas, queremos probar si alguna suposición es verdadera o no sobre un parámetro de población. Por ejemplo, podríamos suponer que el peso medio de una cierta población de tortuga es de 300 libras. Para determinar si esta suposición es verdadera, saldremos y recolectaremos una muestra de tortugas y pesaremos cada una de ellas. Usando estos datos de muestra, realizaremos una prueba de hipótesis. El primer paso en una prueba de hipótesis es definir las hipótesis nulas y alternativas. Estas dos hipótesis deben ser mutuamente excluyentes, por lo que si uno es verdadero, la otra debe ser falsa. Hipótesis nula (H0): los datos de la muestra son consistentes con la creencia predominante sobre el parámetro de población. Hipótesis alternativa (HA): los datos de la muestra sugieren que la suposición hecha en la hipótesis nula no es cierto. En otras palabras, hay alguna causa no aleatoria que influye en los datos. Una hipótesis de una cola implica hacer una declaración «mayor que» o «menos que». Por ejemplo, supongamos que asumimos que la altura media de un hombre en los EE. UU. Es mayor o igual a 70 pulgadas. Las hipótesis nulas y alternativas en este caso serían: Una hipótesis de dos colas implica hacer una declaración «igual a» o «no igual a». Por ejemplo, supongamos que asumimos que la altura media de un hombre en los EE. UU. Es igual a 70 pulgadas. Al realizar un proyecto de investigación cualitativo o cuantitativo, los investigadores primero deben formular una pregunta de investigación, a partir de la cual desarrollan una hipótesis. Por definición, una hipótesis es una predicción que hace un investigador sobre la pregunta de investigación y puede ser afirmativa o negativa. En este caso, una pregunta de investigación tiene tres componentes principales: variables (independientes y dependientes), una muestra de población y la relación entre las variables. Cuando la predicción contradice la pregunta de investigación, se conoce como una hipótesis nula. En resumen, una hipótesis nula es una declaración que implica que no hay relación entre las variables independientes y dependientes. Por lo tanto, los investigadores deben aprender a escribir una buena hipótesis nula y alternativa para presentar estudios de calidad. Los estudiantes con tareas de investigación cualitativas o cuantitativas deben aprender a formular y escribir una buena pregunta de investigación e hipótesis. Por definición, una hipótesis es una suposición o predicción que hace un investigador antes de realizar una investigación experimental. Básicamente, los estándares académicos requieren que tal predicción sea una declaración precisa y comprobable, lo que significa que los investigadores deben probarla o desaprobarla en el curso de la tarea. En este caso, los componentes principales de una hipótesis son las variables (independientes y dependientes), una muestra de población y la relación entre las variables. Por lo tanto, una hipótesis de investigación es una predicción que los investigadores escriben sobre la relación entre dos o más variables. A su vez, la investigación de investigación es el proceso que busca responder a la pregunta de investigación y, en el proceso, probar la hipótesis confirmándola o desaprobándola. Existen varios tipos de hipótesis, incluida una hipótesis alternativa, una hipótesis nula, una hipótesis direccional y una hipótesis no direccional. Básicamente, la hipótesis direccional es una predicción de cómo la variable independiente afecta la variable dependiente. En contraste, la hipótesis no direccional predice que la variable independiente influye en la variable dependiente, pero no especifica cómo. Independientemente del tipo, todas las hipótesis se tratan de predecir la relación entre las variables independientes y dependientes. Una hipótesis nula, generalmente simbolizada como «H0», es una declaración que contradice la hipótesis de la investigación. En otras palabras, es una declaración negativa, lo que indica que no existe una relación entre las variables independientes y dependientes. Al probar la hipótesis nula, un investigador puede determinar si los resultados de la investigación se deben a la posibilidad o al efecto de manipular la variable dependiente. En la mayoría de los casos, una hipótesis nula corresponde con una hipótesis alternativa, una declaración positiva que cubre una relación que existe entre las variables independientes y dependientes. Además, es muy recomendable que un investigador escriba la hipótesis alternativa primero antes de la hipótesis nula. Las hipótesis nulas comienzan como preguntas de investigación que el investigador rephasta como una declaración que indica que no hay efecto ni relación. Después de leer estos ejemplos, podría pensar que son un poco aburridos e inútiles. Sin embargo, la clave es recordar que la hipótesis nula define la condición que los investigadores necesitan desacreditar antes de sugerir que existe un efecto. ¡Veamos cómo rechazas la hipótesis nula y lleguemos a esos hallazgos más emocionantes! Entonces, quieres rechazar la hipótesis nula, pero ¿cómo y cuándo puedes hacer eso? Para comenzar, deberá realizar una prueba estadística en sus datos. La siguiente es una descripción general de realizar un estudio que utiliza una prueba de hipótesis. El primer paso es idear una pregunta de investigación y la hipótesis nula apropiada. Después de eso, los investigadores deben formular un diseño experimental y procedimientos de recopilación de datos que les permitan recopilar datos que puedan responder a la pregunta de investigación. Luego recopilan los datos. Para obtener más información sobre el diseño de un estudio científico que utiliza estadísticas, lea mis pasos Post 5 para realizar estudios con estadísticas. Después de que se completa la recopilación de datos, las estadísticas y las pruebas de hipótesis ingresan a la imagen. Las pruebas de hipótesis toman sus datos de muestra y evalúan cuán consistentes son con la hipótesis nula. El valor p es una parte crucial de los resultados estadísticos porque cuantifica cuán fuertemente los datos de la muestra contradicen la hipótesis nula. Por ejemplo, supongamos que queremos saber si el peso medio entre dos especies diferentes de tortugas es igual. Salimos y recopilamos una muestra aleatoria simple de cada población con la siguiente información: Podemos usar los siguientes pasos para realizar una prueba t de dos muestras: Realizaremos las dos pruebas t de muestra con las siguientes hipótesis: Elegiremos usar un nivel de significancia de 0.10. Podemos conectar los números para los tamaños de muestra, las medias de muestra y las desviaciones estándar de la muestra en esta calculadora de dos pruebas de muestra para calcular la estadística de prueba y el valor p: Dado que el valor p (0.2149) no es menor que el nivel de significancia (0.10), no rechazamos la hipótesis nula. No tenemos evidencia suficiente para decir que el peso medio de las tortugas entre estas dos poblaciones es diferente. Se utiliza una prueba t de muestras emparejadas para comparar las medias de dos muestras cuando cada observación en una muestra puede emparejarse con una observación en la otra muestra. Por ejemplo, supongamos que queremos saber si un determinado programa de entrenamiento puede aumentar o no el Jump de Baloncesto de Baloncesto College Max. Una hipótesis nula es una parte importante de la realización de estadísticas modernas. La comprensión de rechazar la hipótesis nula es fundamental para analizar los datos, interpretar los resultados y garantizar mediciones precisas. Comprender las hipótesis nulas y cómo se relacionan con las estadísticas pueden ayudarlo a desarrollar una carrera en las industrias analíticas, de investigación y legales. En este artículo, discutimos por qué puede rechazar la hipótesis nula, explorar cómo establecer uno, descubrir cómo identificar la hipótesis nula y examinar algunos ejemplos de cómo funcionan. Puede rechazar la hipótesis nula si sigue un principio del método científico, llamado falsificación. Este principio establece que la investigación adicional puede probar falsos los resultados de un estudio anterior. Como investigador, puede ser más fácil demostrar que una hipótesis es falsa, en lugar de afirmar que la declaración es exhaustivamente cierta. Para saber más sobre rechazar o no rechazar una hipótesis nula, es beneficioso discutir qué es una hipótesis nula: Una hipótesis nula es una declaración utilizada en las estadísticas para sugerir que no hay una diferencia significativa entre dos o más grupos de datos recopilados en un estudio anterior. Los investigadores pueden suponer que la hipótesis nula es cierta si no recopilan evidencia suficiente y significativa para sugerir lo contrario. Si recolectaron la evidencia para negar la hipótesis nula, pueden suponer que una hipótesis alternativa es cierta. Si bien la hipótesis nula actúa como la suposición predeterminada de que no existe una relación entre dos ideas u objetos, la hipótesis alternativa establece que existe una relación. Los científicos e investigadores a menudo intentan demostrar que la hipótesis nula es incorrecta para validar su hipótesis alternativa. No negar la hipótesis nula puede ser el resultado de un experimento exitoso. Durante las etapas iniciales de un experimento científico, los científicos e investigadores desarrollan una hipótesis alternativa que determina si es correcta. Si el experimento o el conjunto de experimentos verifica que la hipótesis alternativa es correcta, los científicos e investigadores han disculpado y rechazado efectivamente la hipótesis nula. Una vez que un científico o un investigador valida esto, puede comenzar a formular una nueva hipótesis alternativa. Artículos Relacionados:¿Cómo formular una hipótesis nula ejemplos?
¿Cómo se fórmula la hipótesis alternativa?
¿Qué es una hipótesis alternativa ejemplo?
¿Cómo formular una hipótesis nula y alternativa ejemplos?
¿Cuándo se rechaza la hipótesis nula ejemplos?
¿Cuándo se rechaza la hipótesis nula significa que?
¿Cuándo rechazas la hipótesis nula cuándo es verdadera?
