Inhalt
Die zweiseitigen Hypothesen unterscheiden sich von den einschwänzigen Hypothesen, da sich in den beiden Schwänzen zwei unterschiedliche Ablehnungsbereiche befinden, in der Regel, wenn die relevanten Zahlen zu groß oder zu klein sind. Wissenschaftler verwenden diese Annahmen, um sie bei komplexeren Tests zu unterstützen.
Schwänze
Die Schwänze sind die beiden seitlichen Bereiche einer Parabel, die sich weit von der zentralen Erhebung der Kurve erstrecken. Die Linien sind stetig und können sich je nach Kurvenform bis ins Unendliche erstrecken. Die Schwänze können auf verschiedenen Ebenen in der Kurve beginnen, abhängig von den verschiedenen Ebenen der wissenschaftlichen Strenge. Die meisten Experimente erfordern jedoch mindestens zwei Standardabweichungen, was den 5 und 95% -Niveaus der Kurve entspricht.
Nullhypothese
Die Nullhypothese ist die Standardposition eines Experiments mit einer zweiseitigen Hypothese. Eine neue Theorie beinhaltet die Ablehnung der Nullhypothese. Zum Beispiel kann die Nullhypothese lauten, dass die Schwerkraft Objekte mit einer Geschwindigkeit von 9,8 Metern pro Sekunde im Quadrat beschleunigt. Um diese Hypothese abzulehnen, sollten viele Experimente durchgeführt werden. Wenn es oberhalb oder unterhalb der vorgeschlagenen Anzahl signifikanter Ergebnisse für die zweiseitige Hypothese gab, könnte die Nullhypothese zurückgewiesen werden und eine neue Beschleunigung könnte bereitgestellt werden.
Z- und T-Tests
Eine zweiseitige Hypothese kann durch eine Standard-Gauß-Kurve oder eine chaotischere Kurve mit einem vollständigen Datensatz dargestellt werden. Wenn die Guassian-Kurve verwendet wird, wird ein T-Test verwendet, um zu bestimmen, ob die Nullhypothese abgelehnt wird. Wenn der vollständige Datensatz verwendet wird, wird ein Z-Test verwendet, um zu bestimmen, ob die Nullhypothese abgelehnt wird.Jedem Test ist eine statistische Tabelle zugeordnet, die mit der Standardabweichung der Daten korreliert.
Single-tailed-Test
Ein einseitiger Test ist auch ein leistungsfähiges Werkzeug zur Bewertung von Hypothesen. Es wird jedoch verwendet, wenn Daten nur in eine Richtung getestet werden, was in vielen Fällen nützlich und sinnvoll sein kann. Wenn zum Beispiel ein neues Medikament getestet wird, ist es möglich, dass das Interesse nur dann besteht, wenn es weniger effektiv ist als die derzeitige Marktalternative. Mit anderen Worten, für die Zulassung muss nicht geprüft werden, ob das Medikament wesentlich besser ist als die Alternative. aber nur wenn es schlimmer ist.