Contenuto
Le ipotesi a due code differiscono da quelle a coda singola perché ci sono due diverse aree di rifiuto nelle due code, di solito quando i numeri rilevanti sono troppo grandi o troppo piccoli. Gli scienziati usano questi presupposti per aiutarli in test più complessi.
Le ipotesi a due code aiutano gli scienziati a sviluppare migliori esperimenti (Ryan McVay / Photodisc / Getty Images)
code
Le code sono le due regioni laterali di una parabola che si estendono lontano dall'elevazione centrale della curva. Le linee sono continue e hanno la possibilità di estendersi all'infinito, in base alla forma della curva. Le code possono iniziare a diversi livelli nella curva, a seconda dei diversi livelli di rigore scientifico. Tuttavia, la maggior parte degli esperimenti richiede almeno due deviazioni standard, che equivalgono ai livelli del 5 e del 95% della curva.
Ipotesi nulla
L'ipotesi nulla è la posizione standard di un esperimento con un'ipotesi a due code. Una nuova teoria implica il rifiuto dell'ipotesi nulla. Ad esempio, l'ipotesi nulla può essere che la gravità acceleri oggetti ad una velocità di 9,8 metri al secondo al quadrato. Per rifiutare questa ipotesi, dovrebbero essere eseguiti molti esperimenti. Se ci fossero risultati più significativi sopra o sotto il numero suggerito per l'ipotesi a due code, allora l'ipotesi nulla potrebbe essere respinta e potrebbe essere fornita una nuova accelerazione.
Test Z e T.
Un'ipotesi a due code può essere rappresentata da una curva gaussiana standard o da una curva più caotica con un set di dati completo. Quando viene utilizzata la curva di Guassian, viene utilizzato un test T per determinare se l'ipotesi nulla viene rifiutata. Quando viene utilizzato il set di dati completo, viene utilizzato un test Z per determinare se l'ipotesi nulla viene rifiutata.Ogni test ha una tabella statistica associata, che si correla alla deviazione standard dei dati.
Test a coda singola
Un test a coda singola è anche un potente strumento per valutare le ipotesi. Tuttavia, viene utilizzato durante il test dei dati in un'unica direzione, che può essere utile e significativa in molti casi. Ad esempio, quando si prova un nuovo farmaco, è possibile che l'interesse sia solo da confrontare se è meno efficace dell'attuale alternativa di mercato. In altre parole, per l'approvazione, non è necessario verificare se il farmaco è significativamente migliore dell'alternativa; ma solo se è peggio.