Vad är två-tailed hypoteser?

Författare: Laura McKinney
Skapelsedatum: 6 April 2021
Uppdatera Datum: 19 November 2024
Anonim
Vad är två-tailed hypoteser? - Artiklar
Vad är två-tailed hypoteser? - Artiklar

Innehåll

De tvåstansade hypoteserna skiljer sig från de enkelsatta, eftersom det finns två olika avvisningsområden i två-svansarna, vanligtvis när de aktuella siffrorna är för stora eller för små. Forskare använder dessa antaganden för att hjälpa dem i mer komplexa tester.


Tvåstegs hypoteser hjälper forskare att utveckla bättre experiment (Ryan McVay / Photodisc / Getty Images)

svansar

Svansarna är de två sidoregionerna av en parabol som sträcker sig långt från kurvets centrala höjd. Linjerna är kontinuerliga och har potential att sträcka sig till oändligheten, i enlighet med kurvens form. Svansar kan börja på olika nivåer i kurvan, beroende på olika nivåer av vetenskaplig rigor. De flesta experiment kräver dock minst två standardavvikelser, vilket motsvarar kurvan 5 och 95%.

Null hypotesen

Nollhypotesen är standardpositionen för ett experiment med en tvåstegs hypotes. En ny teori innebär att nollhypotesen avvisas. Till exempel kan nollhypotesen vara att gravitation accelererar objekt med en hastighet av 9,8 meter per sekund kvadrat. För att avvisa denna hypotes bör många experiment utföras. Om det fanns mer signifikanta resultat över eller under det föreslagna talet för den tvåstansade hypotesen, kunde nollhypotesen avvisas och en ny acceleration kunde ges.


Z och T-tester

En två-tailed hypotes kan representeras av en standard Gaussisk kurva eller en mer kaotisk kurva med en komplett dataset. När Guassian-kurvan används används ett T-test för att avgöra om nollhypotesen avvisas. När den fullständiga datasatsen används, används ett Z-test för att bestämma om nollhypotesen avvisas.Varje test har en tillhörande statistisk tabell som korrelerar med standardavvikelsen för data.

Enkelt tailed test

Ett enkelsvart test är också ett kraftfullt verktyg för att utvärdera hypoteser. Det används dock vid testning av data i endast en riktning, vilket i många fall kan vara användbart och meningsfullt. Till exempel, när du testar ett nytt läkemedel, är det möjligt att intresset bara kan jämföras om det är mindre effektivt än det nuvarande marknadsalternativet. Med andra ord, för godkännande, är det inte nödvändigt att testa om läkemedlet är signifikant bättre än alternativet. men bara om det är värre.