Открыть сервисСервис

Нулевая гипотеза в статистике

Нулевая гипотеза — это статистическая гипотеза, принимаемая за основу при проверке статистических данных и обычно формулируемая как утверждение об отсутствии различий, влияния или связи между изучаемыми величинами. Обозначается символом H₀. Нулевая гипотеза противопоставляется альтернативной гипотезе (H₁ или Hₐ) и служит отправной точкой для статистического теста: на основе данных оценивается, достаточно ли сильны наблюдаемые отклонения от утверждения H₀, чтобы её отвергнуть.

Историческая справка

Термин «нулевая гипотеза» ввёл английский статистик Рональд Фишер в 1920-х годах. Формально он предложил его в статье 1925 года «Statistical Methods for Research Workers» и в лекциях, прочитанных в 1926 году. Фишер рассматривал нулевую гипотезу как удобный вычислительный приём: исследователь принимает её за истинную, вычисляет вероятность получить наблюдаемые (или более экстремальные) данные при её истинности — так называемое p-значение, — и решает, отвергать ли H₀.

Позднее, в 1930-х годах, Ежи Нейман и Эгон Пирсон предложили альтернативную интерпретацию проверки гипотез, основанную на соотношении ошибок первого и второго рода. В их подходе нулевая гипотеза рассматривается не как «принимаемая за истинную», а как одна из двух конкурирующих гипотез, между которыми нужно сделать выбор по критерию мощности теста.

Основные понятия

Проверка нулевой гипотезы опирается на понятия ошибок статистического вывода:

ПонятиеОпределение
Ошибка первого рода (α)Отвержение H₀, когда она на самом деле верна (ложноположительный результат)
Ошибка второго рода (β)Принятие H₀, когда верна альтернативная гипотеза (ложноотрицательный результат)
Уровень значимости (α)Заранее заданная допустимая вероятность ошибки первого рода, обычно 0,05 или 0,01
Мощность теста (1 − β)Вероятность правильно отвергнуть ложную H₀

Типичные примеры формулировок

Нулевая гипотеза обычно утверждает «нулевой» эффект — отсутствие различий, отсутствие связи, равенство средних. Типичные примеры:

  • Средний рост студентов двух факультетов одинаков: μ₁ = μ₂.
  • Новый препарат не влияет на давление: μ = μ₀.
  • Между переменными X и Y нет корреляции: ρ = 0.
  • Распределение выборки соответствует нормальному закону.

Альтернативная гипотеза при этом формулируется как противоположное утверждение: μ₁ ≠ μ₂, μ ≠ μ₀, ρ ≠ 0 и т. д.

Процедура проверки

Алгоритм проверки нулевой гипотезы включает следующие шаги:

  1. Формулировка H₀ и H₁.
  2. Выбор статистического критерия (t-критерий Стьюдента, χ², F-критерий и др.) и уровня значимости α.
  3. Расчёт наблюдаемого значения статистики по выборочным данным.
  4. Определение критической области или вычисление p-значения.
  5. Сравнение результата с критическим порогом: если p < α, H₀ отвергается; иначе оснований для отвержения нет.

Важно, что отвержение H₀ не доказывает истинность H₁ — оно лишь показывает, что данные несовместимы с H₀ на заданном уровне значимости. Симметрично, принятие H₀ не означает её доказательства: это лишь отсутствие достаточных оснований для отвержения.

Критика концепции

Концепция нулевой гипотезы подвергалась критике со стороны ряда статистиков. Основные возражения:

  • Проблема «принятия за истину». Формулировка «принимаем H₀ за истинную» вводит в заблуждение: статистический тест не устанавливает истинность гипотез, а лишь оценивает совместимость данных с ней.
  • Злоупотребление p-значениями. Порог p < 0,05 часто трактуется как доказательство эффекта, хотя он лишь отражает вероятность данных при H₀.
  • Проблема множественных сравнений. При большом числе проверок вероятность ложного отвержения H₀ растёт, что требует поправок (например, поправка Бонферрони).
  • Нежелательные результаты. В 2015 году американская статистическая ассоциация (ASA) выпустила заявление, призывающее не сводить статистический вывод к порогу p = 0,05 и учитывать контекст исследования.

Применение

Нулевая гипотеза является основой частотистской статистики и применяется в медицине (проверка эффективности лекарств), психологии, социологии, экономике, промышленном контроле качества, биологии и других областях. В российской статистической практике проверка гипотез традиционно излагается в курсах математической статистики и прикладной статистики, а также в учебных пособиях по экспериментальному проектированию.

Источники:

  • Фишер Р. А. Статистические методы для исследователей. — Л.: Биометрика, 1928.
  • Нейман Е., Пирсон Э. Об основных интерпретациях гипотез о вероятностях. — 1933.
  • Вассерман Л. А., Тропин А. Математическая статистика: элементы теории и задачи с решениями. — СПб.: Питер, 2004.
  • Wasserstein R. L., Lazar N. A. The ASA Statement on p-Values: Context, Process, and Purpose. — The American Statistician, 2016.
Заметили ошибку или не согласны с информацией в статье? Напишите нам support@bfometr.ru