Nullhypothese

Dieser Artikel erklärt, was die Nullhypothese in der Statistik ist. Außerdem werden Beispiele für Nullhypothesen sowie die Beziehung zwischen der Nullhypothese und anderen Konzepten vorgestellt, die beim Testen von Hypothesen auftauchen.

Was ist eine Nullhypothese?

In der Statistik ist eine Nullhypothese eine Hypothese, die eine Schlussfolgerung über einen Parameter der untersuchten Stichprobe verneint oder bestätigt. Insbesondere beim Hypothesentest besagt die Nullhypothese, dass die Schlussfolgerung eines Experiments falsch ist.

Die Nullhypothese ist daher die Hypothese, die wir ablehnen möchten. Wenn es dem Forscher also gelingt, die Nullhypothese abzulehnen, bedeutet das, dass die Hypothese, die er in der statistischen Studie beweisen wollte, wahrscheinlich wahr ist. Wenn andererseits die Nullhypothese nicht verworfen werden kann, bedeutet dies, dass die Hypothese, die man testen wollte, höchstwahrscheinlich falsch ist. Wir werden weiter unten sehen, wann die Nullhypothese abgelehnt werden kann.

Das Symbol für die Nullhypothese ist H ₀ .

Typischerweise enthält die Aussage der Nullhypothese ein „Nein“ oder „Anders als“, da sie davon ausgeht, dass die Forschungshypothese falsch ist.

Beispiel einer Nullhypothese

Nachdem wir die Definition der Nullhypothese gesehen haben, sehen wir uns ein Beispiel dieser Art statistischer Hypothese an, um ihre Bedeutung besser zu verstehen.

Wenn beispielsweise eine statistische Studie nachweisen möchte, dass der Akku eines Laptops einer bestimmten Marke durchschnittlich 5 Stunden hält, lautet die Nullhypothese, dass der Akku dieses Laptops eine andere durchschnittliche Laufzeit als 5 Stunden hat.

Zusammenfassend lässt sich sagen, dass die Nullhypothese im Widerspruch zu der Aussage, die wir testen wollen, formuliert wird und daher die Forschungshypothese ist, die wir ablehnen möchten.

Nullhypothese und Alternativhypothese

Die Alternativhypothese ist die Arbeitshypothese, die Sie beweisen möchten. Das heißt, beim Hypothesentest besteht das Ziel darin, zu überprüfen, ob die Alternativhypothese wahr ist. Die Alternativhypothese wird durch das Symbol H ₁ dargestellt.

Daher besteht der Unterschied zwischen der Nullhypothese und der Alternativhypothese darin, dass bei der Durchführung einer statistischen Untersuchung das Ziel darin besteht, die Nullhypothese abzulehnen, während das Ziel darin besteht, zu zeigen, dass die Alternativhypothese wahr ist.

Wenn wir in Anlehnung an das vorherige Beispiel in einer statistischen Studie bestätigen möchten, dass der Akku eines Laptops einer bestimmten Marke durchschnittlich 5 Stunden hält, lautet die Alternativhypothese, dass der Akku dieses Laptops 5 Stunden lang hält Andererseits ist die Nullhypothese das Gegenteil der Alternativhypothese.

In der Realität wird also in einer Forschung zuerst die Alternativhypothese und dann die Nullhypothese formuliert, die das Gegenteil der Alternativhypothese ist.

Nullhypothese und p-Wert

Lassen Sie uns abschließend sehen, welche Beziehung zwischen der Nullhypothese und dem p-Wert besteht, da es sich um zwei eng verwandte statistische Konzepte handelt.

Der p-Wert , auch p-Wert genannt, ist ein Wert zwischen 0 und 1, der die Wahrscheinlichkeit angibt, dass der beobachtete Unterschied auf Zufall zurückzuführen ist. Somit gibt der p-Wert die Wichtigkeit eines Ergebnisses an und wird verwendet, um zu bestimmen, ob die Nullhypothese akzeptiert oder abgelehnt werden soll.

Also… wann wird die Nullhypothese abgelehnt?

Abhängig vom Zusammenhang zwischen p-Wert und Signifikanzniveau wird die Nullhypothese akzeptiert oder abgelehnt:

• Liegt der p-Wert unter dem Signifikanzniveau, wird die Nullhypothese verworfen.
• Wenn der p-Wert größer als das Signifikanzniveau ist, wird die Nullhypothese akzeptiert.

Bedenken Sie, dass die Ablehnung der Nullhypothese bedeutet, die Alternativhypothese zu akzeptieren, und umgekehrt bedeutet die Annahme der Nullhypothese, dass die Alternativhypothese abgelehnt wird.

Darüber hinaus ist zu beachten, dass die im Rahmen einer statistischen Untersuchung gezogenen Schlussfolgerungen fehlerhaft sein können, da das Testen von Hypothesen auf der Annahme oder Ablehnung einer Hypothese auf der Grundlage des gewählten Konfidenzniveaus beruht.