Une hypothèse est une théorie ou une proposition présentée comme une explication de l'occurrence d'un phénomène observé, affirmée soit comme un conjecture provisoire pour guider l'enquête, appelée hypothèse de travail ou acceptée comme hautement probable au lieu de l'hypothèse établie les faits. Une hypothèse scientifique peut devenir une théorie ou finalement une loi de la nature si elle est prouvée par des expériences répétables. Les tests d'hypothèses sont courants dans les statistiques en tant que méthode de prise de décisions à l'aide de données. En d'autres termes, tester une hypothèse consiste à essayer de déterminer si votre observation d'un phénomène est susceptible de s'être réellement produite sur la base de statistiques.
Test d'hypothèse statistique
Les tests d'hypothèses statistiques, également appelés analyse de données confirmatoires, sont souvent utilisés pour décider si les résultats expérimentaux contiennent suffisamment d'informations pour mettre en doute la sagesse conventionnelle. Par exemple, à un moment donné, on pensait que les personnes de certaines races ou couleurs avaient une intelligence inférieure à celle des Caucasiens. Une hypothèse a été faite que l'intelligence n'est pas basée sur la race ou la couleur. Des personnes de races, de couleurs et de cultures diverses ont subi des tests d'intelligence et les données ont été analysées. Les tests d'hypothèses statistiques ont ensuite prouvé que les résultats étaient statistiquement significatifs en ce que les mesures similaires de l'intelligence entre les races ne sont pas simplement une erreur d'échantillonnage.
Hypothèses nulles et alternatives
Avant de tester les phénomènes, vous formulez une hypothèse sur ce qui pourrait se produire. Votre hypothèse ou supposition sur ce qui se passe pourrait être que certains groupes sont différents les uns des autres, ou que l'intelligence n'est pas corrélée avec la couleur de la peau, ou que certains traitements ont un effet sur une mesure de résultat, par exemples. A partir de là, il y a deux possibilités: une « hypothèse nulle » que rien ne s'est passé, ou qu'il n'y a pas eu de différences, ou pas de cause à effet; ou que vous aviez raison dans votre théorie, qui est appelée « hypothèse alternative ». Bref, lorsque vous testez un hypothèse statistique, vous essayez de voir si quelque chose s'est passé et vous comparez à la possibilité que rien arrivé. De manière confuse, vous essayez de réfuter que rien ne s'est passé. Si vous réfutez que rien ne s'est passé, alors vous pouvez conclure que quelque chose s'est passé.
Importance des tests d'hypothèse
Selon le Département de statistique de l'Université d'État de San Jose, les tests d'hypothèses sont l'un des concepts les plus importants en statistique, car c'est ainsi que vous décidez si quelque chose s'est réellement passé, ou si certains traitements ont des effets positifs, ou si les groupes diffèrent les uns des autres ou si une variable prédit une autre. En bref, vous voulez prouver si vos données sont statistiquement significatives et ne sont probablement pas le fruit du hasard. En substance, un test d'hypothèse est donc un test de signification.
Conclusions possibles
Une fois que les statistiques sont collectées et que vous testez votre hypothèse par rapport à la probabilité du hasard, vous tirez votre conclusion finale. Si vous rejetez l'hypothèse nulle, vous prétendez que votre résultat est statistiquement significatif et qu'il n'est pas le fruit du hasard ou du hasard. En tant que tel, le résultat prouve l'hypothèse alternative. Si vous ne rejetez pas l'hypothèse nulle, vous devez conclure que vous n'avez pas trouvé d'effet ou de différence dans votre étude. Cette méthode est le nombre de médicaments et de procédures médicales testés.