Testování hypotéz je základní postup statistického usuzování: formální rozhodnutí, zda naměřená data poskytují dostatečný důkaz proti výchozímu předpokladu (nulové hypotéze) ve prospěch hypotézy alternativní. Stojí na něm většina statistických testů – od t-testu po analýzu rozptylu.
Postup testování krok za krokem
- 1. Formulujte hypotézy – nulovou H₀ („mezi skupinami není rozdíl") a alternativní H₁ („rozdíl existuje"),
- 2. Zvolte hladinu významnosti – nejčastěji α = 0,05, ve zdravotnictví často přísnější 0,01,
- 3. Vyberte vhodný test – podle typu proměnných, designu studie a rozdělení dat,
- 4. Spočítejte testovou statistiku a p-hodnotu,
- 5. Rozhodněte – p < α → H₀ zamítáme; jinak ji nezamítáme (což není důkaz její platnosti).
Chyby I. a II. druhu
Rozhodnutí testu může být dvěma způsoby chybné:
| H₀ ve skutečnosti platí | H₀ ve skutečnosti neplatí | |
| Test H₀ zamítl | chyba I. druhu (α) | správné rozhodnutí |
| Test H₀ nezamítl | správné rozhodnutí | chyba II. druhu (β) |
Chyba I. druhu znamená falešný poplach – zamítnutí platné nulové hypotézy; její pravděpodobnost omezuje zvolená hladina α. Chyba II. druhu znamená přehlédnutý skutečný efekt; její riziko snižuje dostatečný rozsah výběru a s ním související síla testu.
Příklad testování hypotéz
Ověřujete, zda nová výuková metoda zlepšuje výsledky testu. H₀: průměrné skóre obou skupin je stejné. H₁: skupiny se liší. Zvolíte α = 0,05, data obou skupin mají přibližně normální rozdělení, použijete tedy dvouvýběrový t-test. Vyjde p = 0,02 < 0,05 → nulovou hypotézu zamítáte: rozdíl mezi metodami je statisticky významný. Do článku doplníte i velikost účinku a interval spolehlivosti.
Testování hypotéz v jazyce R
# dvouvýběrový t-test
t.test(skupina_a, skupina_b)
# neparametrická alternativa (data bez normálního rozdělení)
wilcox.test(skupina_a, skupina_b)
Výběr správného testu je nejčastější kámen úrazu celého postupu – a přesně na něm stojí kurz Statistika I v R (a jeho obdoba bez programování Statistika v JASP): odejdete se schopností test zvolit, spočítat i obhájit před recenzentem.
Chcete statistice rozumět do hloubky?
Kurzy statistiky pro vědce a analytiky — max. 10 účastníků, Praha.