Nulles hipotēzes testēšana
Nulles hipotēzes nozīmīguma testēšana (NHST) ir dominējošā statistiskā sistēma empīriskos pētījumos. Nulles hipotēze (H₀) atspoguļo noklusējuma pieņēmumu — parasti 'nav efekta' vai 'nav atšķirības' — savukārt alternatīvā hipotēze (H₁) atspoguļo pārbaudāmo apgalvojumu. Tests aprēķina novēroto datu varbūtību, pieņemot, ka H₀ ir patiesa (p-vērtība); ja p ir ļoti maza, H₀ tiek noraidīta par labu H₁. NHST, ko formulējis Ronalds Fišers un paplašinājuši Neimans un Pīrsons 20. gadsimta sākumā, ir pamats apstiprinošiem pētījumiem, taču tā ir plaši kritizēta par nepareizu lietošanu un interpretāciju.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Fisher, R. A. (1925). Statistical Methods for Research Workers. Oliver and Boyd. link ↗
- Neyman, J., & Pearson, E. S. (1933). On the problem of the most efficient tests of statistical hypotheses. Philosophical Transactions of the Royal Society, 231, 289–337. DOI: 10.1098/rsta.1933.0009 ↗
- Gigerenzer, G., & Marewski, J. N. (2015). Surrogate Science: The Idol of a Universal Method for Scientific Inference. Journal of Management, 41(2), 421–440. DOI: 10.1177/0149206314547522 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Null Hypothesis Significance Testing (NHST) and Hypothesis Formulation. ScholarGate. https://scholargate.app/lv/research-statistics/null-hypothesis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Ticamības intervālsPētniecības statistika↔ compare
- P vērtība un statistiskā nozīmībaPētniecības statistika↔ compare
- Statistiskā jauda un izlases lielumsPētniecības statistika↔ compare
- I un II tipa kļūdasPētniecības statistika↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →