Clicked Gallery

O que é a hipótese nula?

Subrayado en un libro de texto real. Explicado por Clicked.

Usado numa frase

University Course Reader · STEM

The trial failed to reject the null hypothesis, so the drug's effect on recovery time remains unproven.

O leitor sublinhou um termo — num artigo ou no PDF de um paper. O Clicked tornou o termo estatístico «null hypothesis» fácil de entender:

Explicado em três níveis

Os mesmos fatos, outra vibe — Modo slang 😎

O método Clicked

●○○

Overview

A hipótese nula é a alegação padrão contra a qual um estudo testa: a coisa sendo estudada não tem efeito, e qualquer padrão nos dados é acaso. Um ensaio de remédio começa supondo que o remédio não faz nada e que os dois grupos diferem por sorte. Os pesquisadores então perguntam com que frequência só a sorte produziria uma distância daquele tamanho. Se raramente, eles rejeitam a nula e levam o efeito a sério. Se com frequência, a nula se mantém — o que é diferente de provar que não há nada a encontrar.
●○○

Overview

A hipótese nula é a alegação de que a coisa sendo testada não faz nada, e todo estudo começa supondo isso. É a resposta chata, tratada como verdadeira até os dados a tornarem difícil de acreditar. O pesquisador calcula com que frequência a pura sorte produziria o resultado dele se o remédio, a dieta ou o app não fizessem nada. Se a sorte consegue isso o tempo todo, a chata vence — e a maior parte da ciência é gente tentando derrubar a resposta chata e fracassando. Esse é o ponto. 😎

Uma ideia rápida — muitas vezes é tudo de que você precisa.

●●○

Detail

A hipótese nula é a suposição inicial de um teste estatístico: a coisa sendo estudada não faz nada, e qualquer padrão nos dados é acaso. Os pesquisadores testam o oposto do que esperam encontrar por uma razão simples. No início de um estudo ninguém sabe qual é o efeito, quão grande ele é ou para que lado aponta, então não há nada definido para testar. "O remédio faz alguma coisa" poderia significar qualquer tamanho de efeito e não dá nada para medir. "O remédio não faz nada" diz exatamente como os dados deveriam parecer, então é contra isso que os dados são medidos. O teste pergunta com que frequência só o acaso produziria um resultado ao menos tão grande quanto o observado. Essa probabilidade é o valor-p, e abaixo de um limiar fixado de antemão, geralmente 5%, a nula é rejeitada. Rejeitá-la diz ao estudo que o acaso dificilmente explica o resultado, então algo real provavelmente está operando. Não diz que o remédio é esse algo: uma diferença entre os dois grupos ou uma falha na montagem rejeitaria a nula igualmente bem. Manter a nula não prova que não há efeito, porque um estudo pequeno pode perder um real. Dois erros decorrem: rejeitar uma nula que era verdadeira, um falso positivo (erro Tipo I), e manter uma que era falsa, um falso negativo (erro Tipo II). E rejeitar a nula não diz nada sobre tamanho. Um efeito real pequeno demais para importar ainda a rejeita.
●●○

Detail

A hipótese nula é a alegação de que não está acontecendo nada, e todo teste estatístico começa aí porque é a única alegação que você consegue fixar antes de saber qualquer coisa. "Meu novo adubo funciona" é uma esperança sem número anexado: funciona quanto, em quê, em qual direção? "Meu novo adubo não faz nada e estas plantas mais altas são acaso" é uma alegação em que você consegue pôr um número: com que frequência o acaso faz plantas crescerem tanto assim? Raramente, e a nula é rejeitada. Com frequência, e ela sobrevive — e a sua história do adubo continua uma história. O que confunde as pessoas é o que os dois desfechos significam. Derrubar a nula não é uma vitória para a sua ideia. Significa que só a sorte provavelmente não fez isso, então algo real aconteceu — e esse algo pode ser o seu adubo, um solo melhor naquele canto, ou um regador que vazava. Não conseguir derrubá-la também não é uma derrota, já que um punhado de plantas pode esconder um efeito real. Dois jeitos de estar errado vêm de brinde com o método: rejeitar uma nula que era verdadeira, ou manter uma que era falsa. E há uma coisa que a nula nunca lhe diz: se o efeito é grande o bastante para importar. Rejeitá-la passa da barra do real. Passar da barra do útil é um pulo separado. 😎

Quer mais? Um clique aprofunda.

●●●

Analogy

Um tribunal criminal parte da presunção de inocência. O acusado é tratado como inocente, e a acusação precisa trazer evidência que a inocência não consiga explicar. O júri nunca pergunta se o acusado parece culpado. Ele pergunta se a evidência seria assim tão forte caso o acusado fosse inocente, e só quando isso fica difícil de acreditar é que a presunção cai. A hipótese nula é a presunção de inocência: nada aconteceu, até os dados tornarem isso difícil de acreditar. Um veredito de não culpado funciona do mesmo jeito que manter a nula. Significa que a evidência não passou da barra, e não diz nada sobre o que de fato aconteceu.
Deepest level reached.
●●●

Analogy

Um filtro de spam parte de uma suposição sobre cada e-mail: esta mensagem é legítima. Essa é a hipótese nula, e cada e-mail é um teste novo dela. O filtro lê a mensagem e pergunta quão provável seria ela parecer assim se fosse legítima. Boleto falso, remetente desconhecido, um link para clicar agora: improvável demais, a suposição cai, e o e-mail vai para o lixo. Nada suspeito: a suposição se mantém e o e-mail fica na sua caixa. Ele nunca prova que um e-mail é legítimo; só não viu o bastante para dizer o contrário. Às vezes joga fora uma mensagem do seu chefe, que é a nula rejeitada quando era verdadeira. Às vezes um golpe cai na sua caixa, que é a nula mantida quando era falsa. 😎
Deepest level reached.

Conceito novo? Um exemplo do dia a dia faz clicar — novas analogias quando quiser.

Explicações de IA podem conter erros · Não é aconselhamento profissional

Definição formal — O mesmo termo, explicado da forma habitual

A hipótese nula (H₀) é a afirmação padrão num teste de hipóteses, tipicamente asseverando ausência de efeito, ausência de diferença entre grupos ou ausência de associação entre variáveis. Uma estatística de teste é computada a partir da amostra sob a suposição de que H₀ é verdadeira, e o valor-p resultante dá a probabilidade de dados ao menos tão extremos quanto os observados. Se o valor-p cai abaixo de um nível de significância pré-especificado, H₀ é rejeitada em favor da hipótese alternativa (H₁); caso contrário é retida. A não rejeição de H₀ não estabelece a sua verdade, e a rejeição não estabelece a alternativa nem indica a magnitude de qualquer efeito. Rejeitar uma H₀ verdadeira é um erro Tipo I; reter uma H₀ falsa é um erro Tipo II.

Quer que o Clicked explique termos como «null hypothesis» direto no seu navegador, até em PDFs?

Adicionar ao Chrome — Grátis

50 explicações grátis · Sem cartão de crédito