귀무 가설: 그것이 무엇이며 과학에서 사용되는 것

과학 세계에서 통계는 모든 주장의 기초입니다. 결국 숫자는 거짓말을 하지 않는다. 왜냐하면 그것들은 그들 자신의 객관적인 현실을 구성하기 때문이다. 개인의 문화나 지리적 거리에 관계없이 모든 프로세스에 적용 가능 대다.

따라서 우리가 무언가를 발견했다고 확인(또는 오히려 의심)하려면 이를 지원하는 숫자 언어로 신뢰할 수 있고 반복 가능한 데이터를 제시할 수 있어야 합니다. 실험의 세계에는 반드시 처음부터 반박해야 할 기준점, 즉 귀무가설.

통계와 과학적 방법론은 일반인들에게는 너무 복잡한 학문이자 방법론인 것 같지만 사실과 동떨어진 것은 아무 것도 없습니다. 이번 기회에 귀무가설이 무엇인지에 대한 설명과 함께 수치적 현실과 기초과학의 세계로 가는 작은 창을 열어봅니다.

• 관련 기사: "과학적 방법은 무엇이며 어떻게 작동합니까?"

귀무가설이란 무엇인가?: 가정에 대한 반박

가설의 세계에서 편안하게 움직이기 위해서는 먼저 주제를 이해하기 위한 근본적인 토대를 마련하는 것이 필요하다. V우리는 짧지만 과학적 방법의 세계에 몰입하는 것을 좋아합니다..

과학적 방법에 대해

과학적 방법은 경험적 및 측정에 기반한 연구 방법으로 정의되며 추론 테스트의 특정 원칙도 적용됩니다. 이러한 단계와 추론의 연결은 두 가지 주요 기둥을 기반으로 합니다.:

• 재현성: 사람이 제안하면 필요한 수단으로 실험을 반복할 수 있는 능력.
• 반박 가능성: 모든 과학적 명제는 위조되거나 반박될 가능성이 있어야 합니다.

과학의 세계에서 우리는 절대 도그마로 작동하지 않습니다. 숫자가 가설을 뒷받침하는 만큼 현실을 완전히 반영하지 못할 수 있습니다., 예를 들어 실험 외적인 요인이 고려되지 않았거나 표본 크기가 충분히 크지 않은 경우입니다.

따라서 과학적 방법은 다음을 기반으로합니다. 외부 에이전트에 의한 관찰, 측정, 가설, 재현성, 반박 가능성 및 검토 실험 자체를 수행한 사람들에게.

과학 지식을 갈망하는 독자가 어느 잡지의 전형적인 논문 앞에서 자신을 발견한다면 어떻게 할 수 있습니까? 그것이 과학이든 자연이든, 연구자들은 자신의 발견. "~일 수 있다", "~을 의미할 수 있다", "이것은 나타내는 것 같다", "아마도 존재한다" 및 기타 문구가 단락을 지배합니다.

또한, 자존심 있는 연구는 마지막 줄에서 "주제를 탐구하기 위해 더 많은 실험이 필요합니다"를 무시합니다. 우리가 보았듯이, 과학은 일반 대중이 믿는 것에도 불구하고, 절대 교리를 확인하는 것보다 거짓을 버리는 것에 더 기반을 둡니다..

이제 과학 세계에서 직설적인 진술에 직면하여 우리가 가져야 할 주의와 불신을 이해했다면 이제 귀무 가설이 무엇인지 설명할 때입니다.

거짓 주장

Royal Spain Academy of Language에 따르면 가설은 결과를 도출하기 위해 가능하거나 불가능한 가정으로 정의됩니다. 어원적 뿌리로 가면 그 단어의 의미가 그 안에 포함되어 있음을 알 수 있습니다. "딸꾹질"은 "종속/아래"에 해당하고 "테제"는 "다음으로 유지되는 결론"에 해당하기 때문입니다. 추리".

가설은 경험이 있는 테스트가 필요한 검증되지 않은 진술 (즉, 실험) 그리고 논박되고 입증된 후에 최선의 경우에는 검증된 진술이 될 수 있다.

어떤 경우든 "있다"는 것을 확인하려면 "없다"도 배제해야 합니다. 그렇죠? 절망하지 마십시오. 이 추상화 연습을 다음 줄에서 좀 더 친절하게 설명합니다.

예를 들어보겠습니다. 습도가 생태계에서 특정 종의 곤충 개체군을 산란시키는 데 필수적인 역할을 한다는 것을 보여주고자 합니다. 이 경우 두 가지 가능한 가설이 있습니다.

• 그 습도는 산란당 알의 수에 영향을 미치지 않으므로 기후와 지역에 따라 이 수치의 평균에는 차이가 없을 것입니다. (H0)
• 그 습도는 산란 당 알의 수에 영향을 미칩니다. 습도를 측정하는 특정 매개변수에 따라 평균에 상당한 차이가 있습니다. (H1)

이 경우 귀무 가설(H0)은 첫 번째 진술에 해당합니다. 따라서 귀무 가설을 다음과 같이 정의할 수 있습니다. 두 개 이상의 이벤트가 서로 관련이 없다는 매개변수에 대한 설명.

이 개념은 과학적 가설에 대한 접근 방식의 기초입니다. 왜냐하면 아무리 보여주고 싶어도 두 개의 특정 매개변수 사이의 관계에서 이것이 문서화되지 않은 경우 존재합니다. 또한 신뢰할 수 있는 조사는 H1 가설(의심되는 상관관계가 존재한다는)을 테스트하기 위해 가능한 모든 작업을 수행해야 합니다. "~로" 원하는 결과를 얻는 것이 아니라 "~에도 불구하고" 도달하는 것입니다..

• 관심이 있을 수 있습니다. "과학적 연구의 가설 유형(및 예)"

P-값의 중요성

가장 주의 깊은 독자는 위에 주어진 습도의 예에서 이 매개변수와 평균 계란 수 사이의 상관 관계를 보여주는 가설이 중요한 용어: 중요성.

이것은 곤충 알의 수에 따라 다른 평균이 관찰되기 때문에 필수적입니다. 관찰 가능한 경우 중요하지 않은 이벤트, 즉 무작위 샘플링의 산물일 수 있습니다. 상관관계.

예를 들어 외계인이 지구에 와서 무작위로 4명의 50세 남성과 3명의 그 중 키는 1.90미터였습니다. 4명 중 3명이 매우 높다고 말할 수 있습니다. 높은. 이 데이터는 표본의 우연으로 인한 것이므로 통계적으로 유의하지 않습니다. 한편, 만약 그 외계인이 300만 시민을 측정하고 모든 키의 변화를 기록한다면 세계의 지리적 위치에 따라 (x)에 따라 종의 키에 상당한 차이가 관찰됩니다. 매개변수.

얻은 데이터의 중요성을 반영하는 숫자가 있기 때문에 이러한 모든 추측은 단순한 추론 과정을 기반으로 하지 않습니다. 이것은 어떤 귀무가설이 주어졌을 때 계산된 통계적 값이 가능할 확률로 정의되는 수치인 "P-value"의 경우. 이 수치는 0에서 1 사이의 확률입니다.

그래서 우리는 P-값이 매우 낮기를 원합니다. 일반적으로 가설 H0(귀무 가설 기억)는 다음과 같은 경우 기각될 수 있습니다. 이 숫자는 임의로 설정된 유의 수준(일반적으로 0,05). 이것은 의미합니다 얻은 결과가 우연의 곱일 확률 (즉, 매개변수 사이에 상관 관계가 없거나 귀무 가설이 참이라는 동일한 것) 매우, 매우 낮습니다.

어쨌든 가설 테스트는 가설을 완전히 받아들이도록 허용하지 않고 오히려 거부하거나 거부하도록 허용한다는 점에 유의해야 합니다. 알과 곤충의 예로 돌아가서, 30개의 다른 위치에 있는 300명의 다른 암컷으로부터 300개의 산란 샘플을 얻은 경우 생태계의 습도에 따라 평균값의 큰 차이를 보이는 것으로 보아 코호트의 크기와 매개변수 사이에 관계가 있는 것으로 보인다. 습기.

어쨌든 우리가 할 수 없는 것은 그것을 부동의 도그마로 확언하는 것입니다. 과학적 방법은 반복과 반박 가능성을 기반으로 하므로 여러 연구팀이 동일한 조건에서 수행한 실험을 반복하고 동등하게 유의한 결과를 얻어야 합니다. 상관 관계가 신뢰할 수 있고 유효할 수 있도록 합니다.

그럼에도 불구하고 과학계에서 그 아이디어가 잘 확립되어 있더라도 곤충학자가 도착하여 300개의 해부 후에 발견할 수 있습니다. 이 종의 암컷은 붉은 색이 더 큰 산란 장치를 가지고 있어 평균적으로 더 많은 알을 낳는 것으로 밝혀졌습니다. 높은. 이제 뭐?

결론

우리가 이 라인에서 전달하고 싶었던 것처럼, 과학과 과학적 방법은 일반적으로 일련의 과정입니다. 우리는 어떤 상황에서도 반박할 수 있는 가정을 멈추지 않기 때문에 흥미롭지만 확실히 실망스럽습니다. 순간.

"귀무 가설이 무엇입니까?"라는 질문에 우리는 그것이 모든 조사의 기초라고 단언할 수 있습니다. 우리가 부정하고자 하는 가정된 현실, 즉 우리가 제안한 매개변수 사이에는 상관관계가 없다는 가정 조사하다.

참고 문헌:

• 통계적 대조를 어떻게 제안합니까? 귀무 가설 대 대체 가설. Ub.edu.
• 앤더슨, D. R., Burnham, K. P., & Thompson, W. 엘. (2000). 귀무 가설 테스트: 문제, 보급 및 대안. 야생 동물 관리 저널, 912-923.
• 과학적 방법, 마드리드 Complutense 대학. 8월 17일에 픽업 https://www.ucm.es/data/cont/docs/107-2016-02-17-El%20M%C3%A9todo%20Cient%C3%ADfico.pdf
• 수아레스, N. 아르 자형. (2012). 통계적 의사결정의 혁명: p-값. Telos, 14(3), 439-446.