Wetenschap werkt niet door te raden. Het werkt op basis van gestructureerde voorspellingen. Het is vooral gebaseerd op hypothesen. Maar niet alle hypothesen zijn gelijk geschapen. Om te beslissen welk type hypothese je in je onderzoek moet gebruiken, moet je het verschil kennen tussen een nulhypothese, een alternatieve hypothese en een onderzoekshypothese.
Een hypothese is eenvoudigweg een mogelijk, objectief en nauwkeurig antwoord op een wetenschappelijke vraag. De vangst? Moet testbaar zijn. Je moet kunnen bewijzen dat het fout of juist is. Zonder de mogelijkheid om het te bevestigen of te weerleggen, is het slechts een mening.
De belangrijkste typen zijn als volgt geclassificeerd.
Onderzoekshypothese
Dit is het eerste waar de meeste mensen aan denken. De Onderzoekshypothese (ook wel de Werkhypothese genoemd) is uw beste inschatting van de uitkomst. Dit is een beschrijving van de verwachte relaties tussen de variabelen.
Als je de effecten van slaap op het geheugen bestudeert, zou je onderzoekshypothese kunnen zijn: ‘Mensen die acht uur slapen, onthouden meer feiten dan mensen die vier uur slapen.’
Het is heel direct. Het is specifiek. Dit is wat je wil vinden. Maar rigoureuze wetenschap test dit zelden rechtstreeks zonder het tegenovergestelde te overwegen.
Nulhypothese
Voer de nulhypothese in. Dit is het meest verkeerd begrepen onderdeel van statistische tests. De nulhypothese stelt dat er geen verband bestaat tussen de variabelen.
Als we slaap als voorbeeld gebruiken, is de nulhypothese dat er geen verschil is in geheugenbehoud tussen mensen die 8 uur slapen en mensen die 4 uur slapen.
Waarom zouden wetenschappers zich hier druk over moeten maken? Omdat de wetenschap vooruitgang boekt door dingen te weerleggen. Begin met te veronderstellen dat er niets is gebeurd. Als de gegevens sterk genoeg zijn, kunt u de nulhypothese verwerpen. Als je het niet kunt afwijzen, zeg je waarschijnlijk dat er niets belangrijks gebeurt. Dit is een beschermende maatregel om te voorkomen dat er patronen in de ruis verschijnen.
Alternatieve hypothese
Het verwerpen van de nulhypothese laat ons achter met een alternatieve hypothese. Dit is het logische tegenovergestelde van de nul. Als de gegevens een significant effect hebben, is er sprake van een conclusie.
Als in ons slaaponderzoek de nulwaarde ‘geen verschil’ is, is het alternatief ‘verschil’. Het is niet noodzakelijkerwijs richtinggevend (zoals bij een onderzoekshypothese), alleen dat er een relatie bestaat.
Statistische hypothesen
Je hoort misschien de term statistische hypothesen. Dit is breder. Dit verwijst naar een bewering over een populatieparameter die wordt getest. Nulhypothese en alternatieve hypothese zijn beide soorten statistische hypothesen.
Zie het als een overkoepelende term. Wanneer u een t-test of Chi-kwadraattest uitvoert, test u technisch gezien een statistische hypothese.
Waarom dit onderscheid belangrijk is
Je vraagt je misschien af waarom we zoveel labels nodig hebben voor vergelijkbare concepten. Het antwoord ligt in duidelijkheid.
Door je onderzoekshypothese helder te verwoorden, weet je waar je naar op zoek bent. Als u uw nulhypothese duidelijk formuleert, weet u wat u wilt weerleggen. uw data-analyse wordt een puinhoop.
- Onderzoekshypothese : uw eigen voorspelling.
- Nulhypothese : hypothese dat er geen effect is.
- Alternatieve hypothese : de conclusie als de nul wordt verworpen.
Door te begrijpen hoe ze met elkaar omgaan, kan slordige wetenschap worden voorkomen. dat
De meeste mensen denken dat onderzoek begint met louter speculatie. Dat is niet hoe wetenschap werkt. Onderzoek gaat vaak uit van meerdere aannames. Ze bestaan niet afzonderlijk. ze interacteren.
De werkhypothese begeleidt projecten. Het is de hoofdmotor. Maar het vertrouwt op back-upsystemen om zijn waarde te bewijzen. Nulhypothese, alternatieve hypothese en statistische hypothese fungeren als filters. Ze verwijderen het geluid. Ze helpen de belangrijkste feiten te isoleren.
Laten we deze componenten opsplitsen. Laten we eens kijken naar de kenmerken van elk type en waar ze in echte gegevens voorkomen.
Werkhypothese: startpunt
De werkhypothese (of onderzoekshypothese) is het uitgangspunt. Het brengt de relatie tussen variabelen in kaart. Het is niet zomaar een lijst. Voorspel hoe ze verwant zijn.
Hypotheses kunnen worden geclassificeerd op basis van hun focus. Is het beschrijvend? Veroorzaken? Correleren? Of ben je groepen aan het vergelijken?
Beschrijvende hypothesen
Deze zijn heel eenvoudig. Ze beschrijven de stand van zaken. Ze leggen niet uit waarom. Ze vertellen je gewoon wat je kunt verwachten.
Zie het als een momentopname. Je anticipeert op de waarde. U zult deze kenmerken opmerken. Je slaat het causale verband over.
Voorbeeld: «De misdaad in Caracas is met 50% toegenomen vergeleken met 2019. »
Deze stelling gaat over trends. Er wordt niet beweerd dat armoede of beleidsveranderingen verantwoordelijk zijn voor de stijging. Het is alleen zo dat de cijfers stijgen.
Causale hypothese
Hier kom je in het vlees van de wetenschap. oorzaak en gevolg.
Deze hypothesen stellen dat de ene variabele rechtstreeks van invloed is op een andere variabele. Ze kunnen verklarend of voorspellend zijn.
Verklarende hypothesen Kom tot de kern ervan. Ze bieden een reden voor de link.
* Voorbeeld: «Overmatig alcoholgebruik veroorzaakt neuronale schade. »
Dit zal u vertellen “waarom” de schade is gebeurd. Het suggereert een biologisch mechanisme.
Voorspellende hypothesen kijken vooruit. Ze voorspellen gedrag op basis van huidige trends.
* Voorbeeld: «De opwarming van de aarde zal de komende jaren overstromingen veroorzaken. »
Dit is een projectie. Dit veronderstelt dat het huidige traject zich zal voortzetten.
Beide typen kunnen worden geconstrueerd met behulp van twee verschillende logische paden: deductief of inductief.
Deductieve hypothesen gaan van het algemene naar het specifieke. Laten we beginnen met de theorie. Laten we het op de zaak toepassen.
* Voorbeeld: «Alle levende wezens hebben DNA. Bacteriën zijn levende wezens. Daarom hebben bacteriën DNA. »
Dit is lineaire logica. Als de premissen waar zijn, moet de conclusie ook waar zijn.
De Inductieve Hypothese werkt andersom. Van specifiek naar algemeen. Je observeert een patroon. Je bouwt een regel.
* Voorbeeld: Newton zag een appel vallen. Hij observeerde de baan van de maan. Hij merkte het verschil. Eén van hen viel op de grond. De ander bleef staan. Hij introduceerde een algemene wet van de zwaartekracht.
Hij begon niet met de wet van de zwaartekracht. Hij merkte het effect. Hij raadde de reden. Vervolgens heeft hij het getest.
Correlationele hypothesen
Correlatie is geen causaliteit. Dit is de gouden regel.
Deze hypothesen meten de mate van associatie tussen variabelen. Ze vragen: hoe sterk bewegen ze samen?
De volgorde van de variabelen doet er hier niet toe. Als A invloed heeft op B, dan beïnvloedt B A in correlatieve zin.
De wet van de universele zwaartekracht van Isaac Newton is feitelijk correlatief in zijn verklaring.
* Apparaat: «Hoe groter de massa, hoe groter de aantrekkingskracht. »
Lees het achterstevoren: “Grotere aantrekkingskracht betekent meer massa.” De correlatie gaat in beide richtingen.
Deze relaties kunnen positief, negatief of gemengd zijn.
- Positief: “Hoe groter de straffeloosheid, hoe hoger de misdaad.” Beiden gaan samen omhoog.
- Negatief: “Een lage vetinname vermindert het risico op coronaire hartziekten.” De een gaat naar beneden, de ander volgt.
- Gemengd: «Hoe hoger de hoogte, hoe lager de temperatuur. » Omgekeerde relatie.
Groepsverschilhypothese
Soms zoek je niet naar trends. Je zoekt naar een splitsing.
Deze hypothesen anticiperen op verschillen tussen groepen. Dit is een statistische vergelijking.
Er zijn twee manieren om het te schrijven.
- Niet-directioneel: U stelt dat er een verschil bestaat. Je zegt niet welke groep wint.
- Voorbeeld: «Er zijn verschillen in de sterftecijfers van mannen en vrouwen. »
- Directioneel: U specificeert de uitkomst. Je geeft de groep een naam met een hogere (of lagere) waarde.
- Voorbeeld: «Mannen hebben een hoger sterftecijfer dan vrouwen. »
De tweede versie is riskant. Het verbindt zich tot een specifiek resultaat. Als uit de gegevens blijkt dat de cijfers hoger zijn bij vrouwen, heeft u het mis. De eerste versie is veiliger. Je beweert alleen maar dat er “enkele” verschillen tussen hen zijn.
Nulhypothese (H₀)
De wetenschap is van nature sceptisch. Ga ervan uit dat er niets is gebeurd totdat het tegendeel bewezen is.
Dit is de nulhypothese. Ontkent relaties tussen variabelen. Dit is een negatieve verklaring. Bevat de woorden “nee” of “nee”.
Het symbool is H₀.
Accepteert geen nulwaarden. Of je wijst het af, of je kunt het niet afwijzen. Het doel van het meeste onderzoek is het elimineren van nul.
Voorbeeld: «BMI is “onafhankelijk” van iemands geslacht. »
Dit is de standaardlocatie. Er lijkt geen verband te bestaan tussen spiermassa en geslacht. Dit onderzoek bestaat om dit gevoel van verveling tegen te gaan.
Alternatieve hypothese (H₁)
Elke nulhypothese heeft een partner.
Nog een hypothese. Dit is de andere kant van nul. Het laat zien dat de relatie bestaat.
Het symbool is H₁.
Als een nulwaarde ‘geen link’ betekent, betekent een alternatieve waarde ‘link gedetecteerd’. Accepteer de optie of niet.
Combineer ze met elkaar en kijk hoe opgewonden ze zich voelen.
H₀: «BMI heeft niets te maken met geslacht. »
H₁: «BMI is verschillend voor mannen en vrouwen. »
Onderzoekers verzamelen gegevens. Ze doen statistieken. Als het bewijs sterk genoeg is, verwerpen ze H₀. Deze behouden H1.
Deze binaire structuur is de manier waarop de wetenschap zichzelf corrigeert. U moet een uitzondering bewijzen. Dit voorkomt dat je patronen aanneemt die niet bestaan.
Dit is een strak kader. Sommige mensen hebben het koud. Sommige mensen vinden het bevrijdend. Elimineer neutraliteit door beslissingen te forceren. Is er een verschil? ja of nee. Nee, misschien wel.
De werkhypothese bepaalt de richting. De nul- en alternatieve hypothesen bieden een forum. Gegevens zijn de jury.
Bij het vervangen van woorden door cijfers: statistische hypothesen
Een hypothese is niet zomaar een gok. In ieder geval niet degenen die er toe doen in harde data. Statistische hypothesen veranderen deze vage ideeën in symbolen. Hun doel is het controleren of instellen van parameters voor een of meer groepen. Je gebruikt ze niet als je van plan bent een roman te schrijven. Het kan worden gebruikt als u grote hoeveelheden gegevens wilt verzamelen. Percentages. Gemiddeld. Elke metriek die in grafieken kan worden weergegeven.
Zie het als een brug tussen vraag en een spreadsheet.
Drie manieren om het onbekende te meten
Niet alle statistische hypothesen worden op dezelfde manier gecreëerd. Ze vallen in bepaalde categorieën op basis van wat u feitelijk probeert te bewijzen.
Schattingshypothesen doen het zware werk van beschrijvende onderzoeken. Deze richten zich op één variabele. Onderzoekers proberen statistische resultaten te schatten op basis van de context. In plaats van dingen te vergelijken, is het belangrijk om de huidige situatie te definiëren. Als je de gemiddelde lengte van een bepaalde groep wilt weten, is dit het perfecte hulpmiddel. Dit is een momentopname.
Correlatiehypotheses Zoek naar associaties. Ze bestuderen de relatie tussen twee of meer variabelen. bewegen ze samen? Verandert de een als de ander dat doet? Dit is geen oorzaak en gevolg. Het gaat om associatie. Als de verkoop van ijs en de aanvallen van haaien in juli pieken, zou de hypothese een dergelijk verband zijn. Of het een tot het ander leidt, is een andere zaak.
Bij de vergelijking wordt gebruik gemaakt van de Verschillen in gemiddeldenhypothesen. Deze gaan over groepsverschillen. Deze analyse vergelijkt numerieke schattingen tussen twee of meer groepen. Werkt het nieuwe medicijn beter dan een placebo? Heeft de marketingcampagne de omzet in gebied A vergroot, maar niet in gebied B? Dit soort aannames zoekt naar de kloof. Het verschil is ontdekking.
Waarom deze classificatie belangrijk is
Dit onderscheid lijkt misschien academisch pedant. Dat zijn ze niet. Zij bepalen hoe de wiskunde wordt uitgevoerd.
Als u het verkeerde type kiest, vertellen uw gegevens u niets. Nadat je wekenlang gegevens hebt verzameld, besef je dat je de verkeerde statistische vraag hebt gesteld. De schattingshypothese vereist andere berekeningen dan een toetsing van verschillen in gemiddelden. Als u deze met elkaar mengt, ontstaat er geluid.
Het doel is duidelijkheid. U kunt parameters voor het hele onderzoek instellen door op te geven of u waarden wilt schatten, relaties wilt onderzoeken of groepen wilt vergelijken. Het filtert de irrelevante gegevens eruit voordat u zelfs maar begint met het verzamelen ervan.
Dit is de basis van wetenschappelijke nauwkeurigheid. Zonder deze statistische kaders zijn gegevens slechts een rommeltje. Bij hen wordt het bewijs.
De hypothese is niet het antwoord. Het is de precieze vraag die ervoor zorgt dat de data spreken.
Het menselijke element in de wiskunde
Er bestaat de neiging om statistieken als kil en objectief te beschouwen. Het zijn hulpmiddelen. Maar het kiezen van de te gebruiken statistische hypothesen is heel menselijk. Het weerspiegelt wat onderzoekers belangrijk vinden.
Zijn wij geïnteresseerd in gemiddelden? Wat zijn de verbanden tussen de factoren? Verschil tussen groepen?
Deze keuzes bepalen het onderzoeksverhaal. Bij onderzoek naar onderwijsresultaten kan de verschil-in-gemiddelden-hypothese worden gebruikt om testscores tussen scholen te vergelijken. Een andere benadering zou kunnen zijn om correlatie te gebruiken om te bepalen of het gezinsinkomen verband houdt met de aanwezigheid. Beide zijn geldig. Beide zijn statistische hypothesen. Maar ze vertellen totaal verschillende verhalen over dezelfde wereld.
Het symbool verschijnt. Het is aan het volk om te beslissen welke symbolen belangrijk zijn.
