hypotesetestning

Hypotesetestning, eller statistisk hypotesprövning, är en metod inom statistik för att avgöra om observationer stöder en specifik hypotes om en population. En nollhypotes H0 representerar vanligtvis status quo eller ingen effekt, medan en alternativhypotes Ha anger vad som undersöks. Beslut fattas ofta med en signifikansnivå alpha (vanligen 0,05). Om resultaten är osannolika under H0 kan man förkasta H0 till förmån för Ha.

Processen består i att formulera H0 och Ha, välja lämplig test, beräkna teststatistik och jämföra med ett kritiskt värde eller rapportera ett p-värde. Ett lågt p-värde indikerar att de uppmätta data är ovanliga under H0, men det bevisar inte att Ha är sann; det innebär endast att vi enligt modellen har starkare bevis mot H0 än vad nivån alpha tillåter. Vanliga tester inkluderar t-test för skillnader i medelvärden mellan två grupper, chi-två-test för kategoriska data, ANOVA för tre eller fler grupper samt tester för proportioner. Icke-parametriska tester används när antaganden om normalfördelning eller varians inte hålls.

Viktiga begrepp är typ I-fel (förkasta H0 när H0 är sann) och typ II-fel (inte förkasta H0 när Ha är sann). Power, provstorlek och effektstorlek påverkar sannolikheten att upptäcka verkliga skillnader. Resultatet bör tolkas tillsammans med konfidensintervall och effektstorlek; överdriven betoning på p-värden kan leda till felaktiga slutsatser. Att undvika p-hacking och att ange kontext och praktisk betydelse är central.

Begränsningar: Hypotesprövning är beroende av data och modellantaganden; den bekräftar inte eller förkastar evidens i ett absolut sätt. Ibland används Bayesiansk hypotesprövning eller estimerande metoder som ger kontinuerliga mått på osäkerhet. Historiskt utvecklades metoden under 1900-talet, främst genom Fisher samt Neyman–Pearson-ramverket.