JoVE Core
Statistics
Chapter 9: Hypothesis Testing
9.2:
帰無仮説と対立仮説
実際の仮説検定は、2つの仮説を検討することから始まります。これらは帰無仮説と対立仮説と呼ばれます。これらの仮説には、対立する視点が含まれています。
帰無仮説 (H0 で示される) は、変数間に差がなく、関連していないというステートメントです。これはしばしば現状維持と見なすことができます。その結果、null を受け入れることができない場合は、何らかのアクションが必要です。
H1またはHaで示される対立仮説は、H0と矛盾する人口についての主張であり、H0を棄却するときに結論を下すものです。これは通常、研究者が証明しようとしていることです。
帰無仮説と対立仮説は矛盾しているため、eが帰無仮説を棄却するかどうかを決定するために証拠を検討する必要があります。使用される証拠は、サンプルデータの形式です。
サンプルデータがどの仮説を支持するかを決定した後、決定を下すことができます。決定には 2 つのオプションがあります。サンプル情報が対立仮説を支持する場合は「H0を棄却する」、帰無仮説を棄却するにはサンプル情報が不十分な場合は「H0を棄却しない」または「H0を棄却しない」です。
このテキストは、Openstax、Introductory Statistics、セクション9.1帰無仮説と対立仮説から適応されています
仮説検定は、母集団の特性に関する主張について、少なくとも2つの対照的な言明を述べることから始まります。
栽培品種からの健康なリンゴとかさぶたのあるリンゴの割合を研究する例を考えてみましょう。
これを検定するために、まず「この品種は、健康なリンゴとかさぶたのあるリンゴを同数生産する」と述べることから始めることができます。このステートメントは、帰無仮説であり、H0 として表され、次のように表されます。
あるいは、「品種は健康なリンゴとかさぶたのリンゴを異なる割合で生産する」という記述は、前のものとは反対の視点を持っています。このステートメントは対立仮説であり、H1 として表され、次のように表されます。
対立仮説では、パラメーター値が正確な数値または所定の固定値に等しいと述べるべきではありません。
たとえば、「品種から収穫されたかさぶたのあるリンゴの割合は0.2である」は、偶然だけでその正確な比例値を得ることができるが、比率が正確に0.2であるという主張を裏付ける十分なデータが得られない可能性があるため、適切な対立仮説ではありません。
Related Videos
Hypothesis Testing
10.8K 閲覧数
8.0K 閲覧数
11.9K 閲覧数
6.8K 閲覧数
26.2K 閲覧数
5.3K 閲覧数
4.0K 閲覧数
27.7K 閲覧数
4.2K 閲覧数
3.3K 閲覧数
2.7K 閲覧数
3.4K 閲覧数
2.4K 閲覧数