Tutkijat pyrkivät luomaan teorioita tai löytämään lakeja, jotka selittävät havaintoja tai kokeiden tuloksia. Ensimmäinen askel on rakentaa hypoteesi tai yritetty selitys joukolle tosiasioita ja sitten testata se. Yleensä käytetään tilastollisia menetelmiä: datanäytteestä tutkitaan, tukeeko se ehdotettua selitystä. Tyypillisesti muodostetaan nollahypoteesi, joka on ristiriidassa selityksen kanssa – tämä on yleensä merkitty H0: lla -, kun taas itse selitystä kutsutaan vaihtoehtoiseksi hypoteesiksi, jota merkitään HA: lla. Aluksi oletetaan, että H0 on totta, ja tutkijan tehtävänä on osoittaa, että tiedot eivät tue tätä johtopäätöstä.
Hypoteesin testaus
Yleensä H0 ja HA ovat kaksi toisiaan poissulkevaa lausuntoa – ne eivät voi molemmat olla totta. Niiden pitäisi myös olla tyhjentäviä; toisin sanoen niiden tulisi kattaa kaikki mahdolliset kokeellisen tutkimuksen tulokset. Saadaan näyte tiedoista, joita vastaan nollahypoteesi testataan. Näytteen on oltava riittävän suuri, jotta voidaan tehdä päteviä johtopäätöksiä, ja siinä ei saa olla mitään harhaa, joka saattaa vaikuttaa tulokseen.
Tutkijoiden on sitten määritettävä arvo tai yksi tai useampi arvojoukko, joka ei tue H0: ta. Jos tietojen todetaan olevan yhteensopivia näiden arvojen kanssa, nollahypoteesi hylätään ja vaihtoehtoisen hypoteesin voidaan sitten sanoa pitävän paikkansa. Testitiedot voidaan usein esittää kaaviona, jossa piikki on keskellä ja “häntä” kummallakin puolella. Yleensä suurin osa testattavan kohteen arvoista ryhmittyy alueen keskelle ja siirtyy kohti matalia ja korkeita ääripäitä. Esimerkiksi joukko mittauksia suuren otoksen ihmisistä näyttää suurimman osan alueen keskellä ja pienempiä lukuja kohti hyvin lyhyitä ja erittäin pitkiä päitä.
On olemassa kolmenlaisia testejä, joita voidaan soveltaa tietojoukkoon. Oikeanpuoleisessa testissä on todettu, että tietyn arvon, kriittisen arvon, yläpuolella olevat tiedot eivät tue nollahypoteesia; vasemmanpuoleisessa testissä nämä tiedot ovat kriittisen arvon alapuolella; kaksisuuntaisessa testissä tiedot, jotka eivät tue H0: ta, ovat tietyn arvon tai arvoalueen ylä- ja alapuolella. Nollahypoteesia ei voida täysin kumota; sen sijaan tutkijoiden on sovittava tietojen tulkinnasta sen perusteella, kuinka todennäköistä on, että H0 hylätään, kun se on todella totta. Tämä todennäköisyys tunnetaan merkitsevyystasona. Jos esimerkiksi tietty osa tiedoista ylittää oikeanpuoleisen testin kriittisen arvon, tämä voi tarkoittaa, että H1: n todennäköisyys on vain 0%.
esimerkki
Lääkeyritys voi testata uuden hoidon tuloksia kolesterolin alentamiseksi. Tässä tapauksessa nollahypoteesi olisi, että kolesterolitasot eivät vähene lääkkeen ottamisen jälkeen, kun taas vaihtoehtoinen hypoteesi olisi, että tasot laskevat. H0: n oletettaisiin olevan totta, ja tutkijat keräsivät sitten tietoja analysoitavaksi yrittäessään hylätä ne.
Tiedot voivat koostua kolesterolimittauksista otoksessa ihmisistä ennen ja jälkeen lääkkeen ottamisen verrattuna vastaavaan näytteeseen, joka ei ottanut sitä saman ajanjakson aikana. Tutkijat voivat sitten sopia siitä, kuinka paljon vähennystä ja kuinka suuri osa lääkkeen ottaneesta näytteestä voidaan pitää merkittävänä. Näitä tietoja voidaan käyttää kriittisen arvon asettamiseen, kuten 10%: n väheneminen 80%: ssa lääkkeen ottaneista. Jos tiedot ylittävät nämä arvot, nollahypoteesi hylätään ja vaihtoehtoinen hypoteesi hyväksytään.