La plupart du temps lorsque vous effectuez une analyse statistique, vous essayez de prouver quelque chose. Par conséquent, il n'y a vraiment que deux résultats: soit vous réussir à prouver ce que vous vous apprêtez à, ou vous ne le faites pas. Dans le jargon statistique, ces deux possibilités sont formulées sous la forme d'hypothèses concurrentes.
Tests d'hypothèses
Une grande partie des statistiques est basée sur des tests d'hypothèses. Une hypothèse est tout simplement une déclaration d'une théorie sur une caractéristique ou un aspect d'un objet ou d'une situation. Parfois, ces déclarations sont réellement écrites ou autrement formellement déclaré, bien souvent, ils sont simplement implicites ou supposés. Dans de nombreux tests statistiques, l'hypothèse est en fait indiqué de deux façons: il existe une hypothèse nulle et une autre hypothèse. Le test, donc, est destiné à décider laquelle de ces deux déclarations est vrai.
L'hypothèse nulle
L'hypothèse nulle est souvent abrégé en H sous 0, ou Ho. En règle générale, cette hypothèse reflète une situation «statu quo», où rien d'inhabituel ou hors de l'ordinaire a eu lieu. Si un test a été effectué sur des patients essayant un nouveau médicament, par exemple, l'hypothèse nulle serait que le nouveau médicament n'a aucun effet, ou est plus efficace que l'ancienne médecine. Dans l'utilisation traditionnelle des statistiques, c'est l'hypothèse qui l'analyse numérique est en fait l'essai et qui sera acceptée ou rejetée sur le résultat du test.
L'hypothèse alternative
L'autre hypothèse, Ha, est l'exact opposé de l'hypothèse nulle. Bien que cela puisse sembler un peu en arrière, il est l'autre hypothèse qui le statisticien est normalement essayer de prouver. Donc, dans le cas d'un nouveau médicament, l'autre hypothèse serait que le nouveau médicament est efficace, ce qui serait normalement ce que les essais de patients et l'analyse statistique ultérieure tentent de montrer. L'hypothèse alternative est acceptée par défaut si l'hypothèse nulle est rejetée.
Décider du résultat
Choisir quelle hypothèse est vraie est accompli grâce à l'utilisation de divers calculs pour arriver à une statistique de test, tels que le score "z" qui montre à quel point les résultats d'une étude sont des résultats que l'hypothèse nulle serait prédire. Si les résultats de l'étude sont trop loin des résultats prévus, le z score dépasse une valeur critique. Dans ce cas, le statisticien rejette l'hypothèse nulle et par défaut, accepter l'hypothèse alternative. Dans le cas inverse d'un petit score z, les statistiques exige que nous utilisons l'expression plutôt maladroite que nous "ne parvenons pas à rejeter" l'hypothèse nulle.