Alternatieve hypothese

In dit artikel wordt uitgelegd wat een alternatieve hypothese in de statistiek is. Het toont ook voorbeelden van alternatieve hypothesen en hoe de alternatieve hypothese verschilt van de nulhypothese.

Wat is een alternatieve hypothese?

In de statistiek is een alternatieve hypothese (of alternatieve hypothese ) een van de hypothesen die worden voorgesteld in een hypothesetest. Meer specifiek is de alternatieve hypothese de onderzoekshypothese waarvan je wilt bewijzen dat deze waar is.

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.

Het symbool of de afkorting voor de alternatieve hypothese is H ₁ .

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. Hieronder gaan we dieper in op het verschil tussen de nulhypothese en het alternatief.

Voorbeeld van een alternatieve hypothese

Nu we de definitie van alternatieve hypothese kennen, gaan we eens kijken naar een voorbeeld van dit type statistische hypothese om de betekenis ervan beter te begrijpen.

Als we bijvoorbeeld in een statistisch onderzoek willen aantonen dat een door een bepaalde machine geproduceerd onderdeel een gemiddelde lengte heeft van 25 cm, zal de alternatieve hypothese zijn dat de gemiddelde lengte van dat onderdeel 25 cm is.

Kort gezegd is de alternatieve hypothese de hypothese die we willen testen door een statistisch onderzoek uit te voeren.

Alternatieve hypothese en nulhypothese

De nulhypothese is de hypothese die het tegenovergestelde is van de alternatieve hypothese, dat wil zeggen dat de nulhypothese de hypothese is die we bij een hypothesetest willen verwerpen. De nulhypothese wordt weergegeven door het symbool H ₀ .

Het verschil tussen de alternatieve hypothese en de nulhypothese is dus dat wanneer we een hypothesetest uitvoeren, we willen bewijzen dat de alternatieve hypothese waar is, terwijl we willen bewijzen dat de nulhypothese onwaar is.

Als we het voorgaande voorbeeld volgen: als een statistisch onderzoek probeert te bevestigen dat een door een bepaalde machine geproduceerd onderdeel een gemiddelde lengte van 25 cm heeft, zou de nulhypothese zijn dat de gemiddelde lengte van dat onderdeel anders is dan 25 cm. De hypothese zou zijn dat de gemiddelde lengte van de kamer inderdaad gelijk is aan 25 cm.

In de praktijk wordt de alternatieve hypothese geformuleerd vóór de nulhypothese, aangezien het de hypothese is die moet worden geverifieerd door statistisch onderzoek van een steekproef van gegevens. De nulhypothese komt eenvoudigweg voort uit de tegenspraak met de alternatieve hypothese.

Alternatieve hypothese en p-waarde

Ten slotte zullen we zien wat de relatie is tussen de p-waarde en de alternatieve hypothese, aangezien het twee verwante statistische concepten zijn die vaak worden gebruikt bij het testen van hypothesen.

De p-waarde , ook wel p-waarde genoemd, is een waarde tussen 0 en 1 die de waarschijnlijkheid aangeeft dat het waargenomen verschil op toeval berust. De p-waarde geeft dus het belang van een resultaat aan en wordt gebruikt om te bepalen of de alternatieve hypothese moet worden aanvaard of verworpen.

Meer specifiek wordt de alternatieve hypothese aanvaard of verworpen op basis van de relatie tussen de p-waarde en het significantieniveau :

• Als de p-waarde onder het significantieniveau ligt, wordt de alternatieve hypothese geaccepteerd.
• Als de p-waarde groter is dan het significantieniveau, wordt de alternatieve hypothese verworpen.

Houd er rekening mee dat het accepteren van de alternatieve hypothese het verwerpen van de nulhypothese impliceert en dat daarom de initiële onderzoekshypothese wordt geverifieerd. Het verwerpen van de alternatieve hypothese betekent echter dat je de nulhypothese accepteert, dus er is geen bewijs dat de initiële hypothese waar is.

Bovendien moet worden opgemerkt dat de conclusies die in een statistisch onderzoek worden getrokken, onjuist kunnen zijn, aangezien bij het testen van hypothesen een hypothese wordt aanvaard of verworpen, afhankelijk van het gekozen betrouwbaarheidsniveau .