Les scientifiques cherchent à établir des théories ou découvrir des lois qui expliquent les observations ou les résultats des expériences. La première étape est de construire une hypothèse , ou la tentative explication, pour un ensemble de faits, puis de le tester.Habituellement, les méthodes statistiques sont utilisées: un échantillon de données est examinée pour voir si elle prend en charge l'explication proposée. Typiquement, une hypothèse nulle , ce qui contredit l'explication sera construit - ce qui est normalement notée H 0 - tandis que l'explication elle-même est appelée hypothèse alternative, notée H A. Il est d'abord supposé que H 0 est vraie, et la tâche du chercheur est de montrer que les données ne confirment pas cette conclusion.
Test d'hypothèse
Habituellement, H 0 et H A deux états mutuellement exclusifs - ils ne peuvent pas être vraies. Ils devraient également être exhaustive, ce qui signifie qu'ils devraient couvrir tous les résultats possibles de l'étude expérimentale. Un échantillon de données est obtenue, contre laquelle l' hypothèse nulle sera testé. L'échantillon doit être de taille suffisante pour permettre des conclusions valables à tirer, et doit être exempt de toute partialité qui pourrait affecter le résultat.
Les chercheurs doivent ensuite établir une valeur, ou un ou plusieurs ensembles de valeurs, qui ne serait pas soutenir H 0 . Si les données se trouvent être en accord avec ces valeurs, l'hypothèse nulle sera rejetée et l'hypothèse alternative peut alors être considéré comme probablement vrai. Les données de test peuvent souvent être représentées sous forme de graphique, avec un pic au milieu et une "queue" de chaque côté. En règle générale, la plupart des valeurs de la chose à l'essai se regroupent autour du milieu de la fourchette, réduction graduelle vers les extrêmes basses et hautes. Par exemple, un ensemble de mesures des hauteurs d'un large échantillon de personnes montrera la majorité dans le milieu de la fourchette, et un plus petit nombre vers les extrémités très courtes et très grand.
Il existe trois types de tests qui peuvent être appliqués à un ensemble de données. Dans un essai à droite de Virginie, il a été déterminé que les données qui sont au-dessus d'une certaine valeur, appelée valeur critique, ne supportent pas l'hypothèse nulle; dans un test gauche de Virginie, ces données se situent en dessous de la valeur critique, en un test bilatéral, les données qui ne supportent pas H 0 situent au-dessus et au-dessous d'une certaine valeur ou plage de valeurs. Il n'est pas possible de réfuter complètement l'hypothèse nulle, au contraire, les chercheurs doivent s'entendre sur une interprétation des données en fonction de la façon dont il est probable que H 0 serait rejetée quand il est effectivement vrai. Cette probabilité est connue sous le seuil de signification. Par exemple, si une certaine proportion des données sont au-dessus de la valeur critique dans un test droit à queue, ce qui pourrait indiquer qu'il y a seulement une chance de 1% que H 0 est vraie.
Exemple
Une compagnie pharmaceutique peut être teste les résultats d'un nouveau traitement pour réduire le taux de cholestérol . Dans ce cas, l'hypothèse nulle serait que les niveaux de cholestérol ne sont pas réduites après la prise du médicament, alors que l'hypothèse alternative serait que les niveaux de baisse. H 0 serait supposé être vrai, et les chercheurs serait alors de recueillir des données à analyser pour tenter de le rejeter.
Les données peuvent consister en des mesures de cholestérol dans un échantillon de personnes avant et après la prise du médicament par rapport à un échantillon similaire qui n'ont pas le prendre, sur la même période. Les chercheurs peuvent alors s'entendre sur le montant de la réduction, et dans quelle proportion de l'échantillon qui ont pris le médicament, peut être considérée comme significative. Cette information peut être utilisée pour définir une valeur critique, comme une réduction de 10% dans 80% de ceux qui ont pris le médicament. Si les données se situent au-dessus de ces valeurs, l'hypothèse nulle est rejetée et l'hypothèse alternative acceptée.
