Nul- en alternatieve hypothesen

In dit artikel wordt het verschil uitgelegd tussen de nulhypothese en de alternatieve hypothese. U zult ook verschillende voorbeelden van nul- en alternatieve hypothesen kunnen zien en bovendien wanneer de nulhypothese wordt verworpen en wanneer de alternatieve hypothese wordt verworpen.

Nulhypothese

In de statistiek is de nulhypothese de hypothese die stelt dat de conclusie van een experiment onjuist is bij het testen van hypothesen. Het symbool voor de nulhypothese is H 0 .

De nulhypothese is dus de hypothese die we willen verwerpen. Als de onderzoeker er dus in slaagt de nulhypothese te verwerpen, betekent dit dat de hypothese die hij in het statistische onderzoek wilde bewijzen waarschijnlijk waar is. Aan de andere kant, als de nulhypothese niet kan worden verworpen, betekent dit dat de hypothese die men wilde testen hoogstwaarschijnlijk onwaar is. We zullen hieronder zien wanneer de nulhypothese kan worden verworpen.

H_0: \text{Hip\'otesis nula}

Normaal gesproken bevat de nulhypothese een ‘nee’ of ‘anders dan’ in de verklaring, omdat wordt aangenomen dat de onderzoekshypothese onwaar is.

Alternatieve hypothese

In de statistiek is de alternatieve hypothese (of alternatieve hypothese ) de onderzoekshypothese waarvan je wilt bewijzen dat deze waar is. Het symbool voor de alternatieve hypothese is H 1 .

Met andere woorden: de alternatieve hypothese is een hypothese van de onderzoeker en in een poging te bewijzen dat deze waar is, zal een statistische analyse worden uitgevoerd. Aan het einde van de hypothesetest zal de alternatieve hypothese dus worden aanvaard of afgewezen, afhankelijk van de verkregen resultaten.

H_1:\text{Hip\'otesis alternativa}

De alternatieve hypothese is dus de hypothese die in strijd is met de nulhypothese en die de onderzoeker bij het uitvoeren van het statistische onderzoek wil verwerpen.

Verschil tussen nul- en alternatieve hypothesen

Het verschil tussen de nulhypothese en de alternatieve hypothese ligt in de bereidheid van de onderzoeker om deze wel of niet te verwerpen. De nulhypothese is de hypothese die de onderzoeker wil verwerpen. De alternatieve hypothese is echter de hypothese die de onderzoeker wil bewijzen.

Om de nulhypothese en de alternatieve hypothese van elkaar te onderscheiden, worden ze weergegeven door verschillende symbolen. Het symbool voor de nulhypothese is H 0 , terwijl het symbool voor de alternatieve hypothese H 1 is.

\begin{array}{l}H_0: \text{Hip\'otesis nula}\\[2ex]H_1:  \text{Hip\'otesis alternativa}\end{array}

In de praktijk wordt de alternatieve hypothese geformuleerd vóór de nulhypothese, aangezien het de hypothese is die moet worden bevestigd door statistische analyse van een steekproef van gegevens. De nulhypothese wordt simpelweg geformuleerd door de alternatieve hypothese tegen te spreken.

Voorbeelden van nul- en alternatieve hypothesen

Nu we de definitie van de nulhypothese en de alternatieve hypothese kennen, zullen we verschillende voorbeelden van deze twee soorten hypothesen zien om het verschil in hun betekenis duidelijk te begrijpen.

  1. Als we bijvoorbeeld vermoeden dat een machine die theoretisch een onderdeel van 7 cm produceert, is afgeweken, zal de alternatieve hypothese zijn dat de gemiddelde lengte van de vervaardigde onderdelen anders is dan 7 cm, en aan de andere kant zal de nulhypothese zijn dat de gemiddelde lengte van de vervaardigde stukken gelijk is aan 7 cm.
  2. \begin{cases}H_0: \mu=7 \text{ cm} \\[2ex]H_1:\mu\neq 7 \text{ cm} \end{cases}

  3. Een ander voorbeeld: als we denken dat het aandeel van de bevolking dat op een bepaalde politieke partij heeft gestemd lager is dan het percentage stemmen dat die partij bij de laatste verkiezingen heeft gekregen (25%), zouden de nul- en alternatieve hypothesen zijn:
  4. \begin{cases}H_0: p\geq 0,25\\[2ex]H_1:p< 0,25 \end{cases}

  5. Als laatste voorbeeld: als een leraar vermoedt dat het gemiddelde cijfer van een klas is gestegen ten opzichte van vorig jaar (dat was een 6,1) door de implementatie van een nieuw onderwijssysteem, zou de nulhypothese en het hypothesealternatief van zijn statistische onderzoek zijn:
  6. \begin{cases}H_0:\mu\leq 6,1 \\[2ex]H_1:\mu> 6,1 \end{cases}“ title=“Rendered by QuickLaTeX.com“ height=“65″ width=“109″ style=“vertical-align: 0px;“></p>
</p>
</ol>
<h2 class= Nulhypothese, alternatieve hypothese en p-waarde

    Wanneer u hypothesetoetsen uitvoert, moet u beslissen of u de nulhypothese of de alternatieve hypothese verwerpt. Het resultaat van een hypothesetest wordt dus verkregen door de p-waarde te vergelijken met het gekozen significantieniveau (α):

    • Als de p-waarde kleiner is dan het significantieniveau, wordt de nulhypothese verworpen (de alternatieve hypothese wordt geaccepteerd).
    • Als de p-waarde groter is dan het significantieniveau, wordt de alternatieve hypothese verworpen (de nulhypothese wordt geaccepteerd).

    Daarom zijn nulhypothese, alternatieve hypothese en p-waarde drie nauw verwante statistische concepten voor het testen van hypothesen. Wilt u meer weten, klik dan op de volgende link:

Einen Kommentar hinzufügen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert