Contenido
Las hipótesis bicaudales difieren de las unicaudales por el hecho de que hay dos áreas de rechazo diferentes en las bicaudales, generalmente cuando los números relevantes son grandes o demasiado pequeños. Los científicos utilizan estas hipótesis para ayudarlos en pruebas más complejas.
frac
Las colas son las dos regiones laterales de una parábola que se extienden lejos de la elevación central de la curva. Las líneas son continuas y tienen el potencial de extenderse hacia el infinito, de acuerdo con la forma de la curva. Las colas pueden comenzar en diferentes niveles en la curva, según los diferentes niveles de rigor científico. Sin embargo, la mayoría de los experimentos requieren al menos dos desviaciones estándar, lo que equivale a los niveles de 5 y 95% de la curva.
Hipótesis nula
La hipótesis nula es la posición estándar de un experimento con hipótesis bicaudal. Una nueva teoría implica el rechazo de la hipótesis nula. Por ejemplo, la hipótesis nula puede ser que la gravedad acelera objetos a una tasa de 9,8 metros por segundo al cuadrado. Para rechazar esta hipótesis, muchos experimentos deberían realizarse. Si hubiera más resultados significativos por encima o por debajo del número sugerido para la hipótesis bicaudal, entonces la hipótesis nula podría ser rechazada y una nueva aceleración podría ser suministrada.
Pruebas Z y T
Una hipótesis bicaudal puede ser representada por una curva Gaussiana estándar o una curva más caótica con un conjunto de datos completo. Cuando se utiliza la curva de Guasiana, se utiliza una prueba T para determinar si se rechaza la hipótesis nula. Cuando se utiliza el conjunto de datos completo, se utiliza una prueba Z para determinar si se rechaza la hipótesis nula.Cada prueba tiene una tabla estadística asociada, que se correlaciona con la desviación estándar de los datos.
Prueba unicaudal
Una prueba unicaudal también es una herramienta poderosa para evaluar hipótesis. Sin embargo, se utiliza cuando se está probando los datos en una sola dirección, lo que puede ser útil y significativo en muchas instancias. Por ejemplo, al probar una nueva droga, es posible que el interés sea sólo comparar si es menos efectiva que la alternativa actual de mercado. En otras palabras, para su aprobación, no es necesario probar si la droga es significativamente mejor que la alternativa; pero sólo si es peor.