La scienza non funziona indovinando. Funziona sulla base di previsioni strutturate. In particolare, si basa su ipotesi. Ma non tutte le ipotesi sono uguali. Per decidere quale tipo di ipotesi utilizzare nella tua ricerca, devi conoscere la differenza tra un’ipotesi nulla, un’ipotesi alternativa e un’ipotesi di ricerca.
Un’ipotesi è semplicemente una risposta possibile, oggettiva e precisa a una domanda scientifica. Il problema? Deve essere testabile. Devi essere in grado di dimostrare che è sbagliato o giusto. Senza la possibilità di confermarlo o smentirlo, è solo un’opinione.
Le tipologie principali sono classificate come segue.
Ipotesi di ricerca
Questa è la prima cosa a cui pensa la maggior parte della gente. L’Ipotesi di ricerca (a volte chiamata Ipotesi di lavoro) è la migliore ipotesi sul risultato. Questa è una descrizione delle relazioni previste tra le variabili.
Se stai studiando gli effetti del sonno sulla memoria, la tua ipotesi di ricerca potrebbe essere: “Le persone che dormono 8 ore ricordano più fatti rispetto alle persone che dormono 4 ore”.
E’ molto diretto. È specifico. Questo è ciò che vuoi trovare. Ma la scienza rigorosa raramente lo verifica direttamente senza considerare il contrario.
Ipotesi nulla
Inserisci l’ipotesi nulla. Questa è la parte più comunemente fraintesa dei test statistici. L’ipotesi nulla afferma che non esiste alcuna relazione tra le variabili.
Usando il sonno come esempio, l’ipotesi nulla è che non vi sia alcuna differenza nella conservazione della memoria tra le persone che dormono 8 ore e quelle che dormono 4 ore.
Perché gli scienziati dovrebbero interessarsene? Perché la scienza avanza smentendo le cose. Inizia dando per scontato che non sia successo nulla. Se i dati sono sufficientemente forti, puoi rifiutare l’ipotesi nulla. Se non puoi rifiutarlo, probabilmente stai dicendo che non sta succedendo nulla di importante. Si tratta di una misura protettiva per evitare che i motivi appaiano nel rumore.
Ipotesi alternativa
Rifiutare l’ipotesi nulla ci lascia con un’ipotesi alternativa. Questo è il logico opposto del nulla. Se i dati hanno un effetto significativo, è una conclusione.
Nel nostro studio sul sonno, se il valore nullo è “nessuna differenza”, l’alternativa è “differenza”. Non è necessariamente direzionale (come un’ipotesi di ricerca), semplicemente esiste una relazione.
Ipotesi statistiche
Potresti sentire il termine ipotesi statistiche. Questo è più ampio. Ciò si riferisce all’affermazione relativa a un parametro della popolazione in fase di test. L’ipotesi nulla e l’ipotesi alternativa sono entrambi tipi di ipotesi statistica.
Consideralo un termine generico. Quando esegui un test t o un test Chi quadrato, stai tecnicamente testando un’ipotesi statistica.
Perché questa distinzione è importante
Potresti chiederti perché abbiamo bisogno di così tante etichette per concetti simili. La risposta sta nella chiarezza.
Esprimendo chiaramente la tua ipotesi di ricerca, sai cosa stai cercando. Se affermi chiaramente la tua ipotesi nulla, sai cosa vuoi confutare. l’analisi dei dati diventa un disastro.
- Ipotesi di ricerca : la tua previsione.
- Ipotesi nulla : Ipotesi secondo cui non vi è alcun effetto.
- Ipotesi alternativa : La conclusione se il nulla viene rifiutato.
Comprendere come interagiscono può prevenire una scienza sciatta. quello
La maggior parte delle persone pensa che la ricerca inizi con una semplice speculazione. Non è così che funziona la scienza. La ricerca spesso implica diverse ipotesi. Non esistono separatamente. interagiscono.
Le ipotesi di lavoro guidano i progetti. È il motore principale. Ma si affida a sistemi di backup per dimostrare il suo valore. L’ipotesi nulla, l’ipotesi alternativa e l’ipotesi statistica fungono da filtri. Tolgono il rumore. Aiutano a isolare i fatti chiave.
Analizziamo questi componenti. Diamo un’occhiata alle caratteristiche di ciascun tipo e dove appaiono nei dati reali.
Ipotesi di lavoro: punto di partenza
L’ipotesi di lavoro (o ipotesi di ricerca) è il punto di partenza. Mappa la relazione tra le variabili. Non è solo un elenco. Prevedere come sono correlati.
Le ipotesi possono essere classificate in base al loro focus. È descrittivo? Causare? Correlare? Oppure stai confrontando i gruppi?
Ipotesi descrittive
Questi sono molto semplici. Descrivono lo stato delle cose. Non spiegano perché. Ti dicono semplicemente cosa aspettarti.
Considerala come un’istantanea. Anticipi il valore. Noterai queste funzionalità. Salti il nesso causale.
Esempio: «La criminalità a Caracas è aumentata del 50% rispetto al 2019. »
Questa affermazione riguarda le tendenze. Non si sostiene che la povertà o i cambiamenti politici siano responsabili dell’aumento. È solo che i numeri sono in aumento.
Ipotesi causale
Qui entrerai nel vivo della scienza. causa ed effetto.
Queste ipotesi affermano che una variabile influenza direttamente un’altra variabile. Possono essere esplicativi o predittivi.
Ipotesi esplicative Vai al nocciolo della questione. Offrono un motivo per il collegamento.
* Esempio: «Il consumo eccessivo di alcol provoca danni neuronali. »
Questo ti dirà “perché” si è verificato il danno. Suggerisce un meccanismo biologico.
Ipotesi predittive guardano al futuro. Prevedono il comportamento in base alle tendenze attuali.
* Esempio: «Il riscaldamento globale causerà inondazioni nei prossimi anni. »
Questa è una proiezione. Ciò presuppone che la traiettoria attuale continui.
Entrambi i tipi possono essere costruiti utilizzando due diversi percorsi logici: deduttivo o induttivo.
Le ipotesi deduttive si muovono dal generale allo specifico. Cominciamo con la teoria. Applichiamolo al caso.
* Esempio: «Tutti gli esseri viventi hanno DNA. I batteri sono esseri viventi. Ecco perché i batteri hanno il DNA. »
Questa è la logica lineare. Se le premesse sono vere, anche la conclusione deve essere vera.
L’Ipotesi Induttiva funziona al contrario. Dallo specifico al generale. Osservi uno schema. Costruisci una regola.
* Esempio: Newton vide cadere una mela. Osservò l’orbita della luna. Ha notato la differenza. Uno di loro è caduto a terra. L’altro rimase alzato. Ha indotto una legge generale di gravitazione.
Non ha iniziato con la legge di gravità. Notò l’effetto. Ne intuì il motivo. Poi lo ha provato.
Ipotesi correlazionali
La correlazione non è causalità. Questa è la regola d’oro.
Queste ipotesi misurano il grado di associazione tra le variabili. Chiedono: con quanta forza si muovono insieme?
L’ordine delle variabili qui non ha importanza. Se A influenza B, allora B influenza A in senso correlazionale.
La legge di gravitazione universale di Isaac Newton è in realtà correlazionale nella sua affermazione.
* Dispositivo: «Maggiore è la massa, maggiore è la forza attrattiva. »
Leggilo al contrario: “Maggiore forza attrattiva significa più massa”. La correlazione è in entrambe le direzioni.
Queste relazioni possono essere positive, negative o miste.
- Positivo: “Maggiore è l’impunità, maggiore è il crimine.” Entrambi salgono insieme.
- Negativo: “Un basso apporto di grassi riduce il rischio di malattia coronarica.” Uno scende, un altro lo segue.
- Misto: «Più alta è l’altitudine, più bassa è la temperatura. » Relazione inversa.
Ipotesi della differenza di gruppo
A volte non cerchi le tendenze. Stai cercando una divisione.
Queste ipotesi anticipano le differenze tra i gruppi. Questo è un confronto statistico.
Ci sono due modi per scriverlo.
- Non direzionale: affermi che esiste una differenza. Non dici quale gruppo vince.
- Esempio: «Ci sono differenze nei tassi di mortalità tra uomini e donne. »
- Direzionale: specifichi il risultato. Dai un nome al gruppo con un valore più alto (o più basso).
- Esempio: «Gli uomini hanno un tasso di mortalità più elevato rispetto alle donne. »
La seconda versione è rischiosa. Si impegna per un risultato specifico. Se i dati mostrano che i tassi sono più alti nelle donne, ti sbagli. La prima versione è più sicura. Stai solo sostenendo che ci sono “alcune” differenze tra loro.
Ipotesi nulla (H₀)
La scienza è intrinsecamente scettica. Supponiamo che non sia successo nulla fino a prova contraria.
Questa è l’ipotesi nulla. Nega le relazioni tra variabili. Questa è un’affermazione negativa. Contiene le parole “no” o “no”.
Il simbolo è H₀.
Non “accetta” valori nulli. O lo rifiuti o non puoi rifiutarlo. L’obiettivo della maggior parte delle ricerche è eliminare lo zero.
Esempio: «Il BMI è “indipendente” dal sesso di una persona. »
Questa è la posizione predefinita. Sembra non esserci alcuna relazione tra massa muscolare e sesso. Questo studio esiste per combattere questa sensazione di noia.
Ipotesi alternativa (H₁)
Ogni ipotesi nulla ha un partner.
Un’altra ipotesi. Questo è l’altro lato dello zero. Mostra che la relazione esiste.
Il simbolo è H₁.
Se un valore null significa “nessun collegamento”, un valore alternativo significa “collegamento rilevato”. Accetta l’opzione oppure no.
Abbinali e guarda quanto si sentono eccitati.
H₀: «Il BMI non ha nulla a che fare con il genere. »
H₁: «Il BMI è diverso per uomini e donne. »
I ricercatori raccolgono dati. Fanno statistiche. Se le prove sono abbastanza forti, rifiutano H₀. Questi mantengono H1.
Questa struttura binaria è il modo in cui la scienza si corregge. Devi dimostrare un’eccezione. Ciò ti impedisce di assumere schemi che non esistono.
Questo è un quadro ristretto. Alcune persone hanno freddo. Alcune persone lo trovano liberatorio. Eliminare la neutralità forzando le decisioni. C’è una differenza? sì o no. No, forse lo è.
L’ipotesi di lavoro determina la direzione. Le ipotesi nulla e alternativa forniscono un forum. Data è la giuria.
Quando si sostituiscono le parole con i numeri: ipotesi statistiche
Un’ipotesi non è solo una supposizione. Almeno non quelli che contano nei dati concreti. Le ipotesi statistiche trasformano queste idee vaghe in simboli. Il loro scopo è controllare o impostare parametri per uno o più gruppi. Non li usi quando pensi di scrivere un romanzo. Può essere utilizzato quando si desidera raccogliere grandi quantità di dati. Percentuali. Media. Qualsiasi metrica che può essere tracciata sui grafici.
Consideralo come un ponte tra la domanda e un foglio di calcolo.
Tre modi per misurare l’ignoto
Non tutte le ipotesi statistiche vengono create allo stesso modo. Rientrano in determinate categorie in base a ciò che stai effettivamente cercando di dimostrare.
Ipotesi di stima svolgono il lavoro pesante degli studi descrittivi. Questi si concentrano su una variabile. I ricercatori cercano di stimare i risultati statistici in base al contesto. Invece di confrontare le cose, è importante definire la situazione attuale. Se vuoi conoscere l’altezza media di un determinato gruppo, questo è lo strumento perfetto. Questa è un’istantanea.
Ipotesi di correlazione Cerca associazioni. Studiano la relazione tra due o più variabili. si muovono insieme? Uno cambia quando lo fa l’altro? Questa non è una causa ed effetto. Si tratta di associazione. Se le vendite di gelati e gli attacchi di squali aumentassero a luglio, l’ipotesi sarebbe un’associazione di questo tipo. Che l’uno conduca all’altro è un’altra questione.
Il confronto utilizza le Ipotesi delle differenze nelle medie. Questi riguardano le differenze di gruppo. Questa analisi confronta le stime numeriche tra due o più gruppi. Il nuovo farmaco funziona meglio di un placebo? La campagna di marketing ha aumentato le vendite nell’area A ma non nell’area B? Questo tipo di ipotesi cerca il divario. La differenza è la scoperta.
Perché Questa classificazione è importante
Queste distinzioni possono sembrare accademicamente pedanti. Non lo sono. Determinano come vengono eseguiti i calcoli.
Se scegli il tipo sbagliato, i tuoi dati non ti diranno nulla. Dopo aver passato settimane a raccogliere dati, ti rendi conto di aver posto la domanda statistica sbagliata. L’ipotesi di stima richiede calcoli diversi rispetto a un test delle differenze nelle medie. Mescolarli insieme causerà rumore.
L’obiettivo è la chiarezza. È possibile impostare parametri a livello di studio specificando se stimare valori, esaminare relazioni o confrontare gruppi. Filtra i dati irrilevanti prima ancora di iniziare a raccoglierli.
Questo è il fondamento del rigore scientifico. Senza questi quadri statistici, i dati sono solo confusione. Con loro diventa una prova.
L’ipotesi non è la risposta. È la domanda precisa che permette ai dati di parlare.
L’elemento umano nella matematica
C’è la tendenza a considerare le statistiche fredde e oggettive. Sono strumenti. Ma scegliere le ipotesi statistiche da utilizzare è molto umano. Riflette ciò che i ricercatori ritengono importante.
Ci preoccupiamo delle medie? Quali sono le associazioni tra i fattori? Differenza tra i gruppi?
Queste scelte modellano la narrativa della ricerca. Nella ricerca sui risultati scolastici, l’ipotesi della differenza media può essere utilizzata per confrontare i punteggi dei test tra le scuole. Un altro approccio potrebbe essere quello di utilizzare la correlazione per determinare se il reddito familiare è associato alla frequenza. Entrambi sono validi. Entrambe sono ipotesi statistiche. Ma raccontano storie completamente diverse sullo stesso mondo.
Apparirà il simbolo. Spetta alle persone decidere quali simboli sono importanti.
