• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  science >> Science >  >> Autres
    L'importance des tests d'hypothèse

    Une hypothèse est une théorie ou une proposition présentée comme explication de l'occurrence d'un phénomène observé, affirmée soit comme une conjecture provisoire pour guider l'enquête, appelée hypothèse de travail, soit acceptée comme hautement probable au lieu des faits établis. Une hypothèse scientifique peut devenir une théorie ou finalement une loi de la nature si elle est prouvée par des expériences répétables. Le test d'hypothèse est courant en statistique comme méthode de prise de décision à l'aide de données. En d'autres termes, tester une hypothèse tente de déterminer si votre observation d'un phénomène est susceptible de se produire réellement sur la base de statistiques.
    Test d'hypothèse statistique

    Le test d'hypothèse statistique, également appelé analyse de données de confirmation, est souvent utilisé pour décider si les résultats expérimentaux contiennent suffisamment d'informations pour mettre en doute la sagesse conventionnelle. Par exemple, à un moment donné, on pensait que les personnes de certaines races ou couleurs avaient une intelligence inférieure à celle des Caucasiens. Une hypothèse a été émise selon laquelle l'intelligence n'est pas basée sur la race ou la couleur. Des personnes de races, de couleurs et de cultures différentes ont subi des tests d'intelligence et les données ont été analysées. Les tests d'hypothèses statistiques ont ensuite prouvé que les résultats étaient statistiquement significatifs en ce que les mesures d'intelligence similaires entre les races ne sont pas simplement des erreurs d'échantillonnage.
    Hypothèses nulles et alternatives

    Avant de tester les phénomènes, vous faites une hypothèse de ce que pourrait se produire. Votre hypothèse ou supposition sur ce qui se passe pourrait être que certains groupes sont différents les uns des autres, ou que l'intelligence n'est pas corrélée avec la couleur de la peau, ou qu'un traitement a un effet sur une mesure de résultat, par exemple. À partir de cela, il y a deux possibilités: une «hypothèse nulle» selon laquelle rien ne s'est produit, ou il n'y a pas de différences, ou pas de cause à effet; ou que vous aviez raison dans votre théorie, qui est appelée «hypothèse alternative». En bref, lorsque vous testez une hypothèse statistique, vous essayez de voir si quelque chose s'est produit et vous comparez à la possibilité que rien ne se soit produit. Confusément, vous essayez de réfuter que rien ne s'est passé. Si vous réfutez que rien ne s'est produit, vous pouvez conclure que quelque chose s'est produit.
    Importance des tests d'hypothèses

    Selon le Département des statistiques de l'Université d'État de San Jose, les tests d'hypothèses sont l'un des concepts les plus importants de la statistique car c'est ainsi que vous décidez si quelque chose s'est réellement passé, ou si certains traitements ont des effets positifs, ou si les groupes diffèrent les uns des autres ou si une variable en prédit une autre. En bref, vous voulez prouver si vos données sont statistiquement significatives et ne se sont probablement pas produites par hasard. Essentiellement alors, un test d'hypothèse est un test de signification.
    Conclusions possibles

    Une fois que les statistiques sont collectées et que vous testez votre hypothèse par rapport à la probabilité du hasard, vous tirez votre conclusion finale. Si vous rejetez l'hypothèse nulle, vous prétendez que votre résultat est statistiquement significatif et qu'il n'est pas arrivé par hasard ou par hasard. En tant que tel, le résultat confirme l'hypothèse alternative. Si vous ne parvenez pas à rejeter l'hypothèse nulle, vous devez conclure que vous n'avez trouvé aucun effet ou différence dans votre étude. Cette méthode est le nombre de médicaments et de procédures médicales testés.

    © Science https://fr.scienceaq.com