Οι επιστήμονες επιδιώκουν να θεσπίσουν θεωρίες ή να ανακαλύψουν νόμους που εξηγούν τις παρατηρήσεις ή τα αποτελέσματα των πειραμάτων. Το πρώτο βήμα είναι να οικοδομήσουμε μια υπόθεση, ή μια προσπάθεια εξήγησης, για ένα σύνολο γεγονότων και στη συνέχεια να το ελέγξουμε. Συνήθως, χρησιμοποιούνται στατιστικές μέθοδοι: ένα δείγμα δεδομένων εξετάζεται για να διαπιστωθεί εάν υποστηρίζει την προτεινόμενη εξήγηση. Τυπικά, θα κατασκευαστεί μια μηδενική υπόθεση, η οποία έρχεται σε αντίθεση με την εξήγηση – αυτό υποδηλώνεται συνήθως με H0 – ενώ η ίδια η εξήγηση ονομάζεται εναλλακτική υπόθεση, που συμβολίζεται με HA. Αρχικά θεωρείται ότι το H0 είναι αληθές και καθήκον του ερευνητή είναι να δείξει ότι τα δεδομένα δεν υποστηρίζουν αυτό το συμπέρασμα.
Δοκιμή υπόθεσης
Συνήθως, το H0 και το HA είναι δύο αμοιβαία αποκλειστικές δηλώσεις — δεν μπορούν να είναι και οι δύο αληθείς. Θα πρέπει επίσης να είναι εξαντλητικοί. θα πρέπει δηλαδή να καλύπτουν όλα τα πιθανά αποτελέσματα της πειραματικής έρευνας. Λαμβάνεται ένα δείγμα δεδομένων, έναντι του οποίου θα ελεγχθεί η μηδενική υπόθεση. Το δείγμα πρέπει να είναι επαρκούς μεγέθους ώστε να επιτρέπει την εξαγωγή έγκυρων συμπερασμάτων και πρέπει να είναι απαλλαγμένο από οποιαδήποτε προκατάληψη που μπορεί να επηρεάσει το αποτέλεσμα.
Οι ερευνητές πρέπει στη συνέχεια να καθορίσουν μια τιμή, ή ένα ή περισσότερα σύνολα τιμών, που δεν θα υποστήριζαν το H0. Εάν διαπιστωθεί ότι τα δεδομένα συμφωνούν με αυτές τις τιμές, η μηδενική υπόθεση θα απορριφθεί και η εναλλακτική υπόθεση μπορεί να ειπωθεί ότι είναι πιθανώς αληθής. Τα δεδομένα της δοκιμής μπορούν συχνά να αναπαρασταθούν ως γράφημα, με μια κορυφή στη μέση και μια “ουρά” και στις δύο πλευρές. Συνήθως, οι περισσότερες από τις τιμές για το αντικείμενο που δοκιμάζεται θα συγκεντρωθούν γύρω από τη μέση του εύρους, με κατεύθυνση προς τα χαμηλά και τα υψηλά άκρα. Για παράδειγμα, ένα σύνολο μετρήσεων των υψών ενός μεγάλου δείγματος ανθρώπων θα δείχνει την πλειοψηφία γύρω από τη μέση του εύρους και μικρότερους αριθμούς προς τα πολύ κοντά και πολύ ψηλά άκρα.
Υπάρχουν τρεις τύποι δοκιμών που μπορούν να εφαρμοστούν σε ένα σύνολο δεδομένων. Σε μια δοκιμή με δεξιά ουρά, έχει προσδιοριστεί ότι τα δεδομένα που είναι πάνω από μια ορισμένη τιμή, γνωστή ως κρίσιμη τιμή, δεν υποστηρίζουν τη μηδενική υπόθεση. Σε μια δοκιμή με αριστερή ουρά, αυτά τα δεδομένα βρίσκονται κάτω από την κρίσιμη τιμή. σε μια δοκιμή δύο ουρών, τα δεδομένα που δεν υποστηρίζουν H0 βρίσκονται πάνω και κάτω από μια συγκεκριμένη τιμή ή εύρος τιμών. Δεν είναι δυνατόν να διαψευσθεί πλήρως η μηδενική υπόθεση. Αντίθετα, οι ερευνητές πρέπει να συμφωνήσουν σε μια ερμηνεία των δεδομένων με βάση το πόσο πιθανό είναι το H0 να απορριφθεί όταν είναι πραγματικά αληθινό. Αυτή η πιθανότητα είναι γνωστή ως το επίπεδο σημαντικότητας. Για παράδειγμα, εάν ένα συγκεκριμένο ποσοστό των δεδομένων είναι πάνω από την κρίσιμη τιμή σε μια δοκιμή με δεξιά ουρά, αυτό μπορεί να υποδεικνύει ότι υπάρχει μόνο 1% πιθανότητα ότι το H0 είναι αληθές.
Παράδειγμα
Μια φαρμακευτική εταιρεία μπορεί να δοκιμάζει τα αποτελέσματα μιας νέας θεραπείας για τη μείωση της χοληστερόλης. Σε αυτή την περίπτωση, η μηδενική υπόθεση θα ήταν ότι τα επίπεδα χοληστερόλης δεν μειώνονται μετά τη λήψη του φαρμάκου, ενώ η εναλλακτική υπόθεση θα ήταν ότι τα επίπεδα μειώνονται. Το H0 θα εθεωρείτο ότι είναι αληθές και οι ερευνητές στη συνέχεια θα συλλέγουν δεδομένα που θα αναλυθούν σε μια προσπάθεια να το απορρίψουν.
Τα δεδομένα μπορεί να αποτελούνται από μετρήσεις χοληστερόλης σε δείγμα ατόμων πριν και μετά τη λήψη του φαρμάκου, σε σύγκριση με ένα παρόμοιο δείγμα που δεν το έλαβε, κατά την ίδια περίοδο. Στη συνέχεια, οι ερευνητές θα μπορούσαν να συμφωνήσουν σχετικά με το πόσο σημαντική μείωση και σε ποιο ποσοστό του δείγματος που πήρε το φάρμακο μπορεί να θεωρηθεί σημαντική. Αυτές οι πληροφορίες μπορούν να χρησιμοποιηθούν για τον καθορισμό μιας κρίσιμης τιμής, όπως μείωση 10% στο 80% όσων έλαβαν το φάρμακο. Εάν τα δεδομένα πέφτουν πάνω από αυτές τις τιμές, η μηδενική υπόθεση απορρίπτεται και η εναλλακτική υπόθεση γίνεται αποδεκτή.