Los científicos buscan establecer teorías o descubrir leyes que expliquen las observaciones o los resultados de los experimentos. El primer paso es construir una hipótesis, o un intento de explicación, para un conjunto de hechos y luego probarlo. Por lo general, se utilizan métodos estadísticos: se examina una muestra de datos para ver si respaldan la explicación propuesta. Por lo general, se construirá una hipótesis nula, que contradice la explicación, que normalmente se denota con H0, mientras que la explicación en sí se denomina hipótesis alternativa, que se denota con HA. Inicialmente se asume que H0 es verdadera, y la tarea del investigador es mostrar que los datos no apoyan esta conclusión.
Evaluación de la hipótesis
Por lo general, H0 y HA son dos afirmaciones que se excluyen mutuamente; no pueden ser ambas verdaderas. También deben ser exhaustivos; es decir, deben cubrir todos los posibles resultados de la investigación experimental. Se obtiene una muestra de datos contra la cual se contrastará la hipótesis nula. La muestra debe tener un tamaño suficiente para permitir extraer conclusiones válidas y debe estar libre de cualquier sesgo que pueda afectar el resultado.
Luego, los investigadores deben establecer un valor, o uno o más conjuntos de valores, que no apoyarían a H0. Si se encuentra que los datos están de acuerdo con estos valores, la hipótesis nula será rechazada y entonces se puede decir que la hipótesis alternativa es probablemente verdadera. Los datos de la prueba a menudo se pueden representar como un gráfico, con un pico en el medio y una “cola” a cada lado. Por lo general, la mayoría de los valores de la cosa que se está probando se agruparán alrededor de la mitad del rango, disminuyendo hacia los extremos bajo y alto. Por ejemplo, un conjunto de medidas de las alturas de una muestra grande de personas mostrará la mayoría alrededor de la mitad del rango y números más pequeños hacia los extremos muy cortos y muy altos.
Hay tres tipos de pruebas que se pueden aplicar a un conjunto de datos. En una prueba de cola derecha, se ha determinado que los datos que están por encima de cierto valor, conocido como valor crítico, no apoyan la hipótesis nula; en una prueba de cola izquierda, estos datos se encuentran por debajo del valor crítico; en una prueba de dos colas, los datos que no admiten H0 se encuentran por encima y por debajo de un cierto valor o rango de valores. No es posible refutar completamente la hipótesis nula; en cambio, los investigadores deben acordar una interpretación de los datos en función de la probabilidad de que H0 sea rechazada cuando sea realmente cierta. Esta probabilidad se conoce como nivel de significancia. Por ejemplo, si una cierta proporción de los datos está por encima del valor crítico en una prueba de cola derecha, esto podría indicar que solo hay un 1% de probabilidad de que H0 sea verdadera.
Ejemplo
Es posible que una compañía farmacéutica esté probando los resultados de un nuevo tratamiento para reducir el colesterol. En este caso, la hipótesis nula sería que los niveles de colesterol no se reducen después de tomar el fármaco, mientras que la hipótesis alternativa sería que los niveles disminuyan. Se supondría que H0 es cierta y los investigadores recopilarán datos para analizarlos en un intento de rechazarlos.
Los datos pueden consistir en mediciones de colesterol en una muestra de personas antes y después de tomar el medicamento, en comparación con una muestra similar que no lo tomó, durante el mismo período. Entonces, los investigadores podrían ponerse de acuerdo sobre cuánto de la reducción, y en qué proporción de la muestra que tomó el medicamento, puede considerarse significativa. Esta información se puede utilizar para establecer un valor crítico, como una reducción del 10% en el 80% de los que tomaron el medicamento. Si los datos caen por encima de estos valores, se rechaza la hipótesis nula y se acepta la hipótesis alternativa.