¿Son las hipótesis nulas realmente no demostrables, o solo técnicamente?

Answer 1

Elegir el ‘épsilon’ que significa ‘para todos los propósitos prácticos’ y los niveles de confianza que desea en una respuesta positiva o negativa es la base para realizar un cálculo del tamaño de la muestra, es decir, qué tan grande es el estudio que necesita realizar .

En las estadísticas médicas llamamos épsilon la diferencia clínicamente relevante , y nuestro objetivo es comprobar si la diferencia real es menor o no. Elegimos el poder requerido de la prueba (¿cuál es la probabilidad de rechazar el nulo si la diferencia es de hecho la diferencia clínicamente relevante, es decir, la posibilidad veremos una diferencia real) y el tamaño aceptable (cuál es la probabilidad de rechazar la prueba)? nulo si fuera cierto, es decir, la posibilidad de una diferencia positiva falsa). Los estudios más pequeños, más potentes y aquellos que buscan diferencias más pequeñas deben tener tamaños de muestra más grandes.

Como dice Cyril Anderson, para estar 100% seguro de que necesita incluir a toda la población, no se necesitan pruebas estadísticas ya que no queda ninguna duda.

Answer 2

Depende de la hipótesis nula y de su escala de medida.

Para las variables categóricas, es teóricamente posible que el nulo sea exactamente verdadero en la población. Supongamos que se nos ocurre algo tonto:

“Los hombres son más propensos a tener incluso números de seguridad social que las mujeres”

Ahora, en teoría , podría hacer una tabla de cada estadounidense con un SSN y si la persona era hombre o mujer y es posible que las proporciones sean exactamente iguales.

Con las variables continuas, esto no es posible incluso en teoría, excepto que nunca realmente medimos nada exactamente.

Pero es completamente imposible probar el nulo sin acceso a toda la población.

Answer 3

Bueno, nunca puedes descartarlo al 100%, y nunca lo demuestras realmente. Para probar de una manera u otra, tendrías que medir a toda la población, lo que anula el propósito. Lo mejor que puedes hacer es estimar la probabilidad de obtener los resultados que obtuviste si [math] H_0 [/ math] fuera cierto, y juzgar si es lo suficientemente pequeño como para descartarlo.