A ciência não funciona adivinhando. Funciona com base em previsões estruturadas. Em particular, baseia-se em hipóteses. Mas nem todas as hipóteses são criadas iguais. Para decidir que tipo de hipótese usar em sua pesquisa, você precisa saber a diferença entre uma hipótese nula, uma hipótese alternativa e uma hipótese de pesquisa.
Uma hipótese é simplesmente uma resposta possível, objetiva e precisa a uma questão científica. O problema? Deve ser testável. Você tem que ser capaz de provar que está certo ou errado. Sem a capacidade de confirmar ou refutar, é apenas uma opinião.
Os principais tipos são classificados da seguinte forma.
Hipótese de pesquisa
Esta é a primeira coisa que a maioria das pessoas pensa. A Hipótese de Pesquisa (às vezes chamada de Hipótese de Trabalho) é sua melhor estimativa sobre o resultado. Esta é uma descrição das relações esperadas entre as variáveis.
Se você estiver estudando os efeitos do sono na memória, sua hipótese de pesquisa poderia ser: “Pessoas que dormem 8 horas lembram mais fatos do que pessoas que dormem 4 horas”.
É muito direto. É específico. Isto é o que você quer encontrar. Mas a ciência rigorosa raramente testa isto diretamente sem considerar o contrário.
Hipótese nula
Insira a hipótese nula. Esta é a parte mais comumente mal compreendida dos testes estatísticos. A hipótese nula afirma que não há relação entre as variáveis.
Usando o sono como exemplo, a hipótese nula é que não há diferença na retenção de memória entre pessoas que dormem 8 horas e pessoas que dormem 4 horas.
Por que os cientistas deveriam se preocupar com isso? Porque a ciência avança refutando as coisas. Comece presumindo que nada aconteceu. Se os dados forem suficientemente fortes, você poderá rejeitar a hipótese nula. Se você não consegue rejeitá-lo, provavelmente está dizendo que nada de importante está acontecendo. Esta é uma medida de proteção para evitar que padrões apareçam no ruído.
Hipótese alternativa
Rejeitar a hipótese nula nos deixa com uma hipótese alternativa. Este é o oposto lógico do nulo. Se os dados tiverem um efeito significativo, é uma conclusão.
No nosso estudo do sono, se o valor nulo for “sem diferença”, a alternativa é “diferença”. Não é necessariamente direcional (como uma hipótese de pesquisa), apenas que existe uma relação.
Hipóteses estatísticas
Você pode ouvir o termo hipóteses estatísticas. Isso é mais amplo. Isto se refere à afirmação sobre um parâmetro populacional sendo testado. Hipótese nula e hipótese alternativa são ambos tipos de hipótese estatística.
Pense nisso como um termo genérico. Quando você faz um teste t ou teste qui-quadrado, você está testando tecnicamente uma hipótese estatística.
Por que essa distinção é importante
Você pode estar se perguntando por que precisamos de tantos rótulos para conceitos semelhantes. A resposta está na clareza.
Ao expressar claramente sua hipótese de pesquisa, você sabe o que está procurando. Se você declarar claramente sua hipótese nula, saberá o que deseja refutar. sua análise de dados se torna uma bagunça.
- Hipótese de Pesquisa : Sua própria previsão.
- Hipótese Nula : Hipótese de que não há efeito.
- Hipótese Alternativa : A conclusão se o nulo for rejeitado.
Compreender como eles interagem pode evitar uma ciência desleixada. isso
A maioria das pessoas pensa que a pesquisa começa com mera especulação. Não é assim que a ciência funciona. A pesquisa geralmente envolve várias suposições. Eles não existem separadamente. eles interagem.
As hipóteses de trabalho orientam os projetos. É o motor principal. Mas depende de sistemas de backup para provar o seu valor. Hipóteses nulas, hipóteses alternativas e hipóteses estatísticas atuam como filtros. Eles removem o ruído. Eles ajudam a isolar fatos importantes.
Vamos decompor esses componentes. Vejamos as características de cada tipo e onde elas aparecem nos dados reais.
Hipótese de trabalho: ponto de partida
A hipótese de trabalho (ou hipótese de pesquisa) é o ponto de partida. Ele mapeia a relação entre variáveis. Não é apenas uma lista. Preveja como eles estão relacionados.
As hipóteses podem ser classificadas de acordo com seu foco. É descritivo? Causando? Correlacionando? Ou você está comparando grupos?
Hipóteses Descritivas
Estes são muito simples. Eles descrevem o estado das coisas. Eles não explicam por quê. Eles apenas dizem o que esperar.
Pense nisso como um instantâneo. Você antecipa o valor. Você notará esses recursos. Você pula o nexo causal.
Exemplo: «A criminalidade em Caracas aumentou 50% em comparação com 2019. »
Esta afirmação é sobre tendências. Não argumenta que a pobreza ou as mudanças políticas sejam as culpadas pelo aumento. Acontece que os números estão aumentando.
Hipótese causal
Aqui você entrará na essência da ciência. causa e efeito.
Essas hipóteses afirmam que uma variável afeta diretamente outra variável. Eles podem ser explicativos ou preditivos.
Hipóteses explicativas Vá direto ao cerne da questão. Eles oferecem um motivo para o link.
* Exemplo: «O consumo excessivo de álcool causa danos neuronais. »
Isso lhe dirá “por que” o dano aconteceu. Isso sugere um mecanismo biológico.
Hipóteses preditivas aguardem. Eles prevêem o comportamento com base nas tendências atuais.
* Exemplo: «O aquecimento global causará inundações nos próximos anos. »
Isto é uma projeção. Isto pressupõe que a trajetória atual continuará.
Ambos os tipos podem ser construídos usando dois caminhos lógicos diferentes: dedutivo ou indutivo.
As hipóteses dedutivas passam do geral para o específico. Vamos começar com a teoria. Vamos aplicá-lo ao caso.
* Exemplo: «Todas as coisas vivas têm DNA. As bactérias são coisas vivas. É por isso que as bactérias têm DNA. »
Esta é a lógica linear. Se as premissas forem verdadeiras, a conclusão também deverá ser verdadeira.
A Hipótese Indutiva funciona ao contrário. Do específico ao geral. Você observa um padrão. Você constrói uma regra.
* Exemplo: Newton viu uma maçã cair. Ele observou a órbita da lua. Ele percebeu a diferença. Um deles caiu no chão. O outro ficou acordado. Ele induziu uma lei geral da gravitação.
Ele não começou com a lei da gravidade. Ele percebeu o efeito. Ele adivinhou o motivo. Então ele testou.
Hipóteses Correlacionais
Correlação não é causalidade. Esta é a regra de ouro.
Essas hipóteses medem o grau de associação entre as variáveis. Eles perguntam: Quão fortemente eles se movem juntos?
A ordem das variáveis não importa aqui. Se A afeta B, então B afeta A no sentido correlacional.
A lei da gravitação universal de Isaac Newton é, na verdade, correlacional em sua afirmação.
* Dispositivo: «Quanto maior a massa, maior a força atrativa. »
Leia ao contrário: “Maior força atrativa significa mais massa.” A correlação ocorre em ambas as direções.
Essas relações podem ser positivas, negativas ou mistas.
- Positivo: “Quanto maior a impunidade, maior o crime.” Ambos sobem juntos.
- Negativo: “A baixa ingestão de gordura reduz o risco de doença coronariana.” Um cai, outro segue.
- Misto: «Quanto maior a altitude, menor a temperatura. » Relação inversa.
Hipótese de diferença de grupo
Às vezes você não procura tendências. Você está procurando uma divisão.
Essas hipóteses antecipam diferenças entre grupos. Esta é uma comparação estatística.
Existem duas maneiras de escrevê-lo.
- Não direcional: Você afirma que existe uma diferença. Você não diz qual grupo vence.
- Exemplo: «Existem diferenças nas taxas de mortalidade de homens e mulheres. »
- Direcional: Você especifica o resultado. Você nomeia o grupo com um valor maior (ou menor).
- Exemplo: «Os homens têm uma taxa de mortalidade mais elevada do que as mulheres. »
A segunda versão é arriscada. Ele se compromete com um resultado específico. Se os dados mostram que as taxas são mais elevadas nas mulheres, você está errado. A primeira versão é mais segura. Você está apenas afirmando que existem “algumas” diferenças entre eles.
Hipótese Nula (H₀)
A ciência é inerentemente cética. Suponha que nada aconteceu até prova em contrário.
Esta é a hipótese nula. Nega relações entre variáveis. Esta é uma afirmação negativa. Contém as palavras “não” ou “não”.
O símbolo é H₀.
Não “aceita” valores nulos. Ou você rejeita ou não pode rejeitar. O objetivo da maioria das pesquisas é eliminar o zero.
Exemplo: «O IMC é “independente” do sexo de uma pessoa. »
Este é o local padrão. Parece não haver relação entre massa muscular e gênero. Este estudo existe para combater esse sentimento de tédio.
Hipótese alternativa (H₁)
Cada hipótese nula tem um parceiro.
Outra hipótese. Este é o outro lado do zero. Isso mostra que o relacionamento existe.
O símbolo é H₁.
Se um valor nulo significar “sem link”, um valor alternativo significa “link detectado”. Aceite a opção ou não.
Combine-os e veja como eles se sentem entusiasmados.
H₀: «O IMC não tem nada a ver com gênero. »
H₁: «O IMC é diferente para homens e mulheres. »
Os pesquisadores coletam dados. Eles fazem estatísticas. Se a evidência for forte o suficiente, eles rejeitam H₀. Estes mantêm H1.
Essa estrutura binária é como a ciência se corrige. Você deve provar uma exceção. Isso evita que você assuma padrões que não existem.
Este é um quadro rígido. Algumas pessoas sentem frio. Algumas pessoas acham isso libertador. Elimine a neutralidade forçando decisões. Existe alguma diferença? sim ou não. Não, talvez seja.
A hipótese de trabalho determina a direção. As hipóteses nula e alternativa fornecem um fórum. Os dados são o júri.
Ao substituir palavras por números: hipóteses estatísticas
Uma hipótese não é apenas uma suposição. Pelo menos não aqueles que importam em dados concretos. As hipóteses estatísticas transformam essas ideias vagas em símbolos. Sua finalidade é verificar ou definir parâmetros para um ou mais grupos. Você não os usa quando planeja escrever um romance. Ele pode ser usado quando você deseja coletar grandes quantidades de dados. Porcentagens. Média. Qualquer métrica que possa ser plotada em gráficos.
Pense nisso como uma ponte entre a pergunta e uma planilha.
Três maneiras de medir o desconhecido
Nem todas as hipóteses estatísticas são criadas da mesma maneira. Eles se enquadram em certas categorias com base no que você está realmente tentando provar.
As hipóteses de estimativa fazem o trabalho pesado dos estudos descritivos. Eles se concentram em uma variável. Os pesquisadores tentam estimar os resultados estatísticos com base no contexto. Em vez de comparar as coisas, é importante definir a situação atual. Se você deseja saber a altura média de um determinado grupo, esta é a ferramenta perfeita. Este é um instantâneo.
Hipóteses de correlação Procure associações. Eles estudam a relação entre duas ou mais variáveis. eles se movem juntos? Um muda quando o outro muda? Isto não é uma causa e efeito. É uma questão de associação. Se as vendas de sorvetes e os ataques de tubarões dispararem em julho, a hipótese seria tal associação. Se um leva ao outro é outra questão.
A comparação usa as hipóteses Diferenças de médias. Eles lidam com diferenças de grupo. Esta análise compara estimativas numéricas entre dois ou mais grupos. O novo medicamento funciona melhor que um placebo? A campanha de marketing aumentou as vendas na área A, mas não na área B? Este tipo de suposição procura a lacuna. A diferença é a descoberta.
Por que esta classificação é importante
Essas distinções podem parecer academicamente pedantes. Eles não são. Eles determinam como a matemática é realizada.
Se você escolher o tipo errado, seus dados não lhe dirão nada. Depois de passar semanas coletando dados, você percebe que fez a pergunta estatística errada. A hipótese de estimativa requer cálculos diferentes de um teste de diferenças de médias. Misturá-los causará ruído.
O objetivo é clareza. Você pode definir parâmetros para todo o estudo especificando se deseja estimar valores, examinar relacionamentos ou comparar grupos. Ele filtra os dados irrelevantes antes mesmo de você começar a coletá-los.
Esta é a base do rigor científico. Sem estes quadros estatísticos, os dados são apenas uma confusão. Com eles, torna-se evidência.
A hipótese não é a resposta. É a pergunta precisa que permite que os dados falem.
O elemento humano na matemática
Há uma tendência a tratar as estatísticas como frias e objetivas. Eles são ferramentas. Mas escolher as hipóteses estatísticas a serem utilizadas é muito humano. Reflete o que os pesquisadores consideram importante.
Nós nos preocupamos com as médias? Quais são as associações entre os fatores? Diferença entre grupos?
Essas escolhas moldam a narrativa da pesquisa. Na pesquisa de resultados educacionais, a hipótese da diferença de médias pode ser usada para comparar resultados de testes entre escolas. Outra abordagem poderia ser usar a correlação para determinar se o rendimento familiar está associado à assiduidade. Ambos são válidos. Ambas são hipóteses estatísticas. Mas eles contam histórias completamente diferentes sobre o mesmo mundo.
O símbolo aparecerá. Cabe às pessoas decidir quais símbolos são importantes.
