Testowanie hipotez jest szeroko rozpowszechnionym procesem naukowym stosowanym w dyscyplinach statystyki i nauk społecznych. W badaniu statystycznym statystycznie istotny wynik (lub ten o istotności statystycznej) w teście hipotezy osiąga się, gdy wartość p jest mniejsza niż określony poziom istotności. The wartość p jest prawdopodobieństwem uzyskania statystyki testowej lub wyniku próby tak ekstremalnej jak lub bardziej ekstremalnej niż obserwowana w badaniu, podczas gdy poziom istotności lub alfa mówi badaczowi, jak ekstremalne muszą być wyniki, aby je odrzucić Hipoteza zerowa. Innymi słowy, jeśli wartość p jest równa lub mniejsza niż zdefiniowany poziom istotności (zwykle oznaczany przez α), badacz może bezpiecznie założyć, że obserwowane dane są niezgodne z założeniem, że Hipoteza zerowa jest prawdziwe, co oznacza, że hipoteza zerowa lub założenie, że nie ma związku między badanymi zmiennymi, może zostać odrzucona.
Odrzucając lub odrzucając hipotezę zerową, badacz stwierdza, że istnieją podstawy naukowe przekonanie jest pewne związek między zmiennymi i że wyniki nie były spowodowane błędem próbkowania lub szansa. Chociaż odrzucenie hipotezy zerowej jest głównym celem większości badań naukowych, należy to zauważyć odrzucenie hipotezy zerowej nie jest równoważne z dowodem alternatywy badacza hipoteza.
Istotne wyniki statystyczne i poziom istotności
Pojęcie istotności statystycznej ma fundamentalne znaczenie dla testowania hipotez. W badaniu obejmującym losową próbkę z większej populacji w celu udowodnienia jakiegoś wyniku, który można zastosować do populacji, istnieje ciągły potencjał, aby dane z badań były wynikiem błędu próbkowania lub zwykłego zbiegu okoliczności lub szansa. Określając poziom istotności i testując na nim wartość p, badacz może z pewnością podtrzymać lub odrzucić hipotezę zerową. Poziom istotności, najprościej mówiąc, jest progowym prawdopodobieństwem niepoprawnego odrzucenia hipotezy zerowej, gdy jest ona prawdziwa. Jest to również znane jako błąd typu I. oceniać. Poziom istotności lub alfa jest zatem związany z ogólnym poziomem ufności testu, co oznacza, że im wyższa wartość alfa, tym większa pewność w teście.
Błędy typu I i poziom istotności
Błąd typu I lub błąd pierwszego rodzaju występuje, gdy hipoteza zerowa jest odrzucana, podczas gdy w rzeczywistości jest to prawda. Innymi słowy, błąd typu I jest porównywalny z fałszywie dodatnim. Błędy typu I są kontrolowane poprzez określenie odpowiedniego poziomu istotności. Najlepsza praktyka w testowaniu hipotez naukowych wymaga wybrania poziomu istotności jeszcze przed rozpoczęciem gromadzenia danych. Najczęstszym poziomem istotności jest 0,05 (lub 5%), co oznacza, że istnieje 5% prawdopodobieństwo, że w teście wystąpi błąd typu I, odrzucając prawdziwą hipotezę zerową. Ten poziom istotności odwrotnie przekłada się na 95% poziom pewności siebie, co oznacza, że w serii testów hipotez 95% nie spowoduje błędu typu I.