仮説検定の重要性

仮説は、観察された現象の発生の説明として示される理論または命題であり、次のいずれかとして主張されます。 作業仮説と呼ばれる、または確立されたものの代わりに可能性が高いと認められた、調査を導くための暫定的な推測 事実。 科学的仮説は、繰り返し可能な実験によって証明されれば、理論または最終的には自然法則になる可能性があります。 仮説検定は、データを使用して意思決定を行う方法として統計で一般的です。 言い換えると、仮説をテストすることは、統計に基づいて、何らかの現象の観察が実際に発生した可能性が高いかどうかを判断しようとしています。

確認データ分析とも呼ばれる統計的仮説検定は、実験結果に従来の知識に疑問を投げかけるのに十分な情報が含まれているかどうかを判断するためによく使用されます。 たとえば、かつては、特定の人種や色の人々は白人に比べて知能が劣ると考えられていました。 知性は人種や色に基づいていないという仮説が立てられました。 さまざまな人種、色、文化の人々に知能テストが行​​われ、データが分析されました。 次に、統計的仮説検定により、人種間の知能の同様の測定値が単なるサンプルエラーではないという点で、結果が統計的に有意であることが証明されました。

現象をテストする前に、何が起こっているのかについて仮説を立てます。 何が起こっているかについてのあなたの仮説または推測は、特定のグループが互いに異なるか、または インテリジェンスは肌の色と相関していない、またはいくつかの治療が結果の測定に影響を与えるということは、 例。 このことから、2つの可能性があります。何も起こらなかった、または違いがなかった、または因果関係がなかったという「帰無仮説」。 または、「対立仮説」とラベル付けされている理論が正しかったこと。 要するに、あなたがテストするとき 統計的仮説、あなたは何かが起こったかどうかを見ようとしていて、何も起こらない可能性と比較しています 起こりました。 紛らわしいことに、あなたは何も起こらなかったことを反証しようとしています。 何も起こらなかったことを反証する場合は、何かが起こったと結論付けることができます。

サンノゼ州立大学統計学部によると、仮説検定は統計学において最も重要な概念の1つです。 何かが実際に起こったかどうか、特定の治療がプラスの効果をもたらすかどうか、グループが互いに異なるかどうか、または1つの変数が予測するかどうかを決定します 別の。 つまり、データが統計的に有意であり、偶然だけで発生した可能性が低いかどうかを証明する必要があります。 したがって、本質的に、仮説検定は有意性の検定です。

統計が収集され、偶然の可能性に対して仮説をテストしたら、最終的な結論を導き出します。 帰無仮説を棄却する場合、あなたはあなたの結果が統計的に有意であり、それが運や偶然によって起こらなかったと主張しています。 そのため、結果は対立仮説を証明します。 帰無仮説を棄却できない場合は、研究に効果や違いが見られなかったと結論付ける必要があります。 この方法は、いくつの医薬品と医療処置がテストされるかです。