Stawianie twierdzeń pod próbę
Testowanie hipotez to formalny sposób na sprawdzenie, czy twierdzenie o świecie jest poparte danymi. To jak proces sądowy: zakładasz niewinność (hipotezę zerową) i sprawdzasz, czy dowody są wystarczająco silne, by ją odrzucić.
Hipoteza zerowa i alternatywna
Każdy test hipotez zaczyna się od dwóch twierdzeń:
- Hipoteza zerowa (H₀): "nic się nie dzieje", "nie ma różnicy", "nie ma efektu". To domyślne założenie.
- Hipoteza alternatywna (H₁): "coś się dzieje", "jest różnica", "jest efekt". To twierdzenie, które chcesz udowodnić.
Firma farmaceutyczna twierdzi, że nowy lek obniża ciśnienie krwi. H₀: lek nie ma efektu (średnie ciśnienie pacjentów nie zmieni się). H₁: lek obniża ciśnienie (średnie ciśnienie pacjentów zmniejszy się). Zbieramy dane i sprawdzamy, czy są wystarczające dowody, by odrzucić H₀.
Jak to działa w praktyce
- Sformułuj hipotezy: H₀ i H₁
- Zbierz dane: przeprowadź eksperyment lub badanie
- Oblicz statystykę testową: liczba podsumowująca, jak bardzo dane różnią się od tego, czego oczekiwałabyś przy H₀
- Określ wartość p: prawdopodobieństwo uzyskania takich (lub bardziej ekstremalnych) wyników, JEŚLI H₀ jest prawdziwa
- Podejmij decyzję: jeśli wartość p jest dostatecznie mała, odrzuć H₀
Nauczyciel twierdzi, że nowa metoda nauczania poprawia wyniki matury. Bierze dwie klasy: jedną uczy tradycyjnie (średnia: 62 pkt), drugą nową metodą (średnia: 68 pkt). Różnica wynosi 6 punktów. Ale czy to prawdziwy efekt metody, czy przypadek? Testowanie hipotez pomaga odpowiedzieć na to pytanie.
Poziom istotności
Zanim rozpoczniesz test, musisz ustalić próg - poziom istotności, zwykle oznaczany alfa (α). Najczęściej używa się α = 0,05 (5%). Oznacza to: "odrzucę H₀, jeśli prawdopodobieństwo uzyskania takich wyników przypadkiem jest mniejsze niż 5%."
Dwa typy błędów
Testowanie hipotez wiąże się z ryzykiem popełnienia błędów:
- Błąd I rodzaju (fałszywy alarm): odrzucasz H₀, chociaż jest prawdziwa. Twierdzisz, że lek działa, a w rzeczywistości nie działa. Prawdopodobieństwo tego błędu = α.
- Błąd II rodzaju (przeoczenie): nie odrzucasz H₀, chociaż jest fałszywa. Nie zauważasz, że lek działa. Prawdopodobieństwo = β.
Pomyśl o tym jak o systemie alarmowym. Błąd I rodzaju to fałszywy alarm - alarm włączy się, chociaż nie ma włamania. Błąd II rodzaju to brak alarmu podczas prawdziwego włamania. Oba są problemem, ale w różnych sytuacjach jeden może być gorszy od drugiego.
Jednostronny vs. dwustronny test
Test dwustronny: badasz, czy wartość jest różna od oczekiwanej (może być większa lub mniejsza). H₁: średnia ≠ 70.
Test jednostronny: badasz tylko jeden kierunek. H₁: średnia > 70 (lub średnia < 70).
Producent twierdzi, że bateria działa "przynajmniej 10 godzin". Testujesz jednostronnie: H₀: średni czas ≥ 10h, H₁: średni czas < 10h. Interesuje cię tylko, czy bateria działa krócej niż obiecano.
Testowanie hipotez a sprawiedliwość
System jest zaprojektowany konserwatywnie - domyślnie zakładamy brak efektu (H₀) i wymagamy silnych dowodów, by to odrzucić. To jak zasada "w razie wątpliwości - na korzyść oskarżonego" w prawie polskim. Lepiej nie zauważyć małego efektu niż ogłosić coś, czego nie ma.
Testowanie hipotez to formalny proces sprawdzania twierdzeń o świecie. Zaczynasz od hipotezy zerowej (brak efektu), zbierasz dane i oceniasz, czy są wystarczające dowody, by ją odrzucić. Wartość p mówi, jak prawdopodobne są Twoje wyniki, jeśli H₀ jest prawdziwa. Pamiętaj o dwóch typach błędów: fałszywym alarmie (błąd I rodzaju) i przeoczeniu (błąd II rodzaju).