Was ist eine Hypothese?
Eine Hypothese ist eine mögliche Erklärung oder ein Vorschlag, den ein Analyst zu Beginn einer Untersuchung aufstellt. Diese These basiert auf früheren Erfahrungen/ begrenzten Erkenntnissen, die dem Analysten bereits vor der Durchführung der Analyse zur Verfügung stehen. Sie liefert ein konkretes Ziel, um festzulegen, was Sie von der Studie erwarten können.
Allerdings haben nicht alle Studien eine Hypothese. Bei einigen handelt es sich um explorative Studien, deren Ziel es ist, einen bestimmten Bereich gründlicher zu untersuchen, um eine spezifische Hypothese oder Vorhersage zu entwickeln, die in zukünftigen Recherchen getestet werden kann.
Bedeutung der Hypothese
Eine Hypothese hilft dabei, die Bereiche zu identifizieren, auf die man sich bei der Lösung eines Forschungsproblems konzentrieren sollte. Sie bietet einen analytischen Rahmen, um die Validität und Zuverlässigkeit der Forschung auf der Grundlage von Beweisen zu messen.
Forschung ohne Hypothese ist vergleichbar mit einem Seemann auf See ohne Kompass. Eine Hypothese gibt der Forschung eine Richtung vor, indem sie quantifizierbare Genauigkeitsmetriken liefert. Eine gute Hypothese kann dem Forschenden helfen, relevante Daten für die Forschung zu sammeln, und kann zu einer guten, vernünftigen Schlussfolgerung führen.
Merkmale einer Forschungshypothese
Eine Hypothese muss die folgenden Merkmale aufweisen:
- Sie sollte klar und präzise in Bezug auf das, was bewertet wird, wer und was beteiligt ist, sein und sehr spezifisch in Bezug auf das erwartete Ergebnis, da sonst die auf ihrer Grundlage gezogenen Schlussfolgerungen nicht als zuverlässig angesehen werden können.
- Sie sollte überprüfbar sein. Sie solten in der Lage sein, beobachtbare Daten auf wissenschaftlich disziplinierte Weise zu sammeln, um zu beurteilen, ob sie die Hypothese stützen oder nicht. Es sollte eine Möglichkeit geben, die Behauptung zu untermauern.
- Sie sollte falsifizierbar sein – es muss eine identifizierbare Möglichkeit geben, zu überprüfen, ob eine Hypothese falsch ist. Wenn es nicht möglich ist, zu beurteilen, ob eine Behauptung falsch ist, handelt es sich nicht um eine Hypothese.
Was ist ein Hypothesentest?
In der Statistik ist ein Hypothesentest ein Verfahren, mit dem geprüft wird, ob eine Hypothese plausibel ist. Er wird durchgeführt, um unsere Beobachtung über die Grundgesamtheit anhand von Stichprobendaten innerhalb des gewünschten Fehlerbereichs zu bestätigen. Durch Hypothesentests können wir feststellen, ob wir über genügend statistische Belege verfügen, um zu entscheiden, ob die vorgeschlagene Hypothese über die Grundgesamtheit wahr ist oder nicht.
Die meisten Veröffentlichungen zu Hypothesentests basieren auf frequentistischer Statistik, die in der Regel zwei Hypothesen umfasst. Angenommen, Sie möchten überprüfen, ob in Ihrer Studie ein Zusammenhang zwischen den beiden Variablen A und B besteht. Ein formaler Aufbau eines Hypothesentests würde die Erstellung von zwei Hypothesen beinhalten –
- Eine, die Ihre Vorhersage beschreibt. A und B stehen in Zusammenhang (es ist Ihnen egal, ob es sich um einen positiven oder negativen Zusammenhang handelt).
- Eine, die alle anderen möglichen Ergebnisse in Bezug auf die hypothetische Beziehung beschreibt. A und B stehen nicht in Beziehung zueinander.
Meistens bezeichnen wir die von uns bevorzugte Hypothese als Alternativhypothese (HA) und die Hypothese, die alle anderen möglichen Ergebnisse beschreibt, als Nullhypothese (H0).
Hypothesentests lassen sich mit einem Strafprozess vergleichen, bei dem eine Jury anhand von Beweisen zwischen zwei möglichen Wahrheiten entscheiden muss: unschuldig (H0) oder schuldig (HA). So wie von einer Jury erwartet wird, dass sie den Angeklagten für unschuldig hält, solange seine Schuld nicht bewiesen ist, sollte auch der Forscher davon ausgehen, dass kein Zusammenhang besteht, solange keine starken Beweise für die Alternativhypothese vorliegen. Das Urteil einer Jury kann entweder schuldig oder nicht schuldig lauten, wobei ein Freispruch nicht gleichbedeutend mit Unschuld ist. Vielmehr bedeutet er, dass die Beweise nicht ausreichen, um die Schuld zu beweisen. In ähnlicher Weise kann ein Forscher H0 nur ablehnen oder nicht ablehnen; eine Nichtablehnung beweist nicht, dass die Nullhypothese H0 wahr ist, sondern bedeutet vielmehr, dass die Beweise die alternative Hypothese nicht eindeutig stützen.
Bayesianische Hypothesentests
Angenommen, wir müssen zwischen zwei Hypothesen H0 und H1 entscheiden. Im Bayes’schen Ansatz gehen wir davon aus, dass wir die A-priori-Wahrscheinlichkeiten von H0 und H1 kennen. Das heißt, wir wissen, dass P(H0)=p0 und P(H1)=p1, wobei p0+p1=1. Nach Durchführung des Experiments sammeln wir einige Daten und erhalten die A-posteriori-Wahrscheinlichkeiten mithilfe der Bayes’schen Regel.
Um zwischen H0 und H1 zu entscheiden, können wir die posterioren Wahrscheinlichkeiten der beiden Hypothesen vergleichen und diejenige mit den höchsten posterioren Wahrscheinlichkeiten akzeptieren.
Bei VWO verwenden wir einen Bayes’schen Hypothesentest, um den Gewinner in einem A/B-Test zu ermitteln, und zwar aus den folgenden Gründen:
- Die Metriken im Bayes’schen Rahmen sind im Vergleich zu klassischen statistischen Tests leicht zu lesen.
- Posterior-Dichten liefern uns mathematische Konzepte, die intuitiv zu verstehen und in der Wirtschaft anzuwenden sind, im Gegensatz zu p-Werten, die bekanntermaßen unzählige Male irreführend sind.
- Letztendlich ermöglicht uns das Konzept des Bayes’schen Netzwerks, viel komplexere Experimente zu konzipieren und mehrere Hypothesen zu testen, indem wir einfach die posterioren Verteilungen berücksichtigen.
Sie können sich für eine kostenlose Testversion von VWO entscheiden oder bei unseren Produktexperten eine Demo anfordern, um die Report-Funktionen im Detail kennenzulernen.