Znanstveniki si prizadevajo vzpostaviti teorije ali odkriti zakone, ki pojasnjujejo opazovanja ali rezultate eksperimentov. Prvi korak je sestaviti hipotezo ali poskus razlage za niz dejstev in jo nato preizkusiti. Običajno se uporabljajo statistične metode: vzorec podatkov se preuči, ali podpira predlagano razlago. Običajno bo sestavljena ničelna hipoteza, ki je v nasprotju z razlago – to je običajno označeno s H0 – medtem ko se sama razlaga imenuje alternativna hipoteza, označena z HA. Na začetku se domneva, da je H0 res, naloga raziskovalca pa je pokazati, da podatki ne podpirajo tega sklepa.
Preizkušanje hipotez
Običajno sta H0 in HA dve medsebojno izključujoči izjavi – obe ne moreta biti resnični. Prav tako morajo biti izčrpni; to pomeni, da morajo zajemati vse možne izide eksperimentalne preiskave. Pridobi se vzorec podatkov, na podlagi katerega se bo preizkusila ničelna hipoteza. Vzorec mora biti dovolj velik, da omogoča sprejem veljavnih zaključkov, in ne sme biti brez pristranskosti, ki bi lahko vplivala na rezultat.
Raziskovalci morajo nato določiti vrednost ali enega ali več nizov vrednosti, ki ne podpirajo H0. Če se ugotovi, da se podatki ujemajo s temi vrednostmi, bo ničelna hipoteza zavrnjena, alternativno hipotezo pa lahko potem rečemo, da je verjetno resnična. Testne podatke je pogosto mogoče predstaviti kot graf z vrhom na sredini in “repom” na obeh straneh. Običajno se bo večina vrednosti za stvar, ki se preizkuša, zbrala okoli sredine razpona in se umaknila proti nizkim in visokim ekstremom. Na primer, niz meritev višin velikega vzorca ljudi bo pokazal večino okoli sredine razpona, manjše številke pa proti zelo kratkim in zelo visokim koncem.
Obstajajo tri vrste testov, ki jih je mogoče uporabiti za niz podatkov. V desnem testu je bilo ugotovljeno, da podatki, ki so nad določeno vrednostjo, znano kot kritična vrednost, ne podpirajo ničelne hipoteze; pri levorepu testu so ti podatki pod kritično vrednostjo; pri dvostranem testu so podatki, ki ne podpirajo H0, nad in pod določeno vrednostjo ali območjem vrednosti. Ničelne hipoteze ni mogoče popolnoma ovreči; namesto tega se morajo raziskovalci dogovoriti o razlagi podatkov na podlagi tega, kako verjetno je, da bo H0 zavrnjen, ko je dejansko res. Ta verjetnost je znana kot stopnja pomembnosti. Na primer, če je določen delež podatkov nad kritično vrednostjo v testu z desnim repom, lahko to pomeni, da obstaja le 1-odstotna možnost, da je H0 resničen.
Primer
Podjetje za zdravila morda preizkuša rezultate novega zdravljenja za znižanje holesterola. V tem primeru bi bila ničelna hipoteza, da se ravni holesterola po jemanju zdravila ne znižajo, medtem ko bi bila alternativna hipoteza, da se ravni znižajo. H0 naj bi bil resničen, raziskovalci pa bi nato zbrali podatke, ki bi jih analizirali, da bi jih poskušali zavrniti.
Podatki so lahko sestavljeni iz meritev holesterola na vzorcu ljudi pred in po jemanju zdravila v primerjavi s podobnim vzorcem, ki ga v istem obdobju niso jemali. Raziskovalci bi se nato lahko strinjali, koliko zmanjšanja in v kakšnem deležu vzorca, ki je vzel zdravilo, je mogoče šteti za pomembno. Te informacije je mogoče uporabiti za določitev kritične vrednosti, kot je zmanjšanje za 10 % pri 80 % tistih, ki so jemali zdravilo. Če podatki padejo nad te vrednosti, se ničelna hipoteza zavrne, alternativna hipoteza pa se sprejme.