ا
فرضیه و آزمون فرضیه؛ ستون فقرات هر مطالعه علمی️هر مطالعه پژوهشی با یک سوال شروع میشود: «آیا داروی A فشار خون را کاهش میدهد؟» اما برای پاسخ علمی به این سوال، باید سوال را به زبان آمار ترجمه کنیم. این ترجمه، همان فرضیه (Hypothesis) است.آزمون فرضیه، فرایندی است که به ما میگوید شواهد موجود تا چه حد از فرضیه ما حمایت میکنند.️ دو نوع فرضیه در هر مطالعه:۱. فرضیه صفر (Null Hypothesis – H₀)فرض میکند هیچ تفاوت یا ارتباطی وجود ندارد.مثال: «داروی A فشار خون را کاهش نمیدهد.» (یعنی اختلاف میانگین فشار خون بین گروه درمان و کنترل صفر است)
۲. فرضیه مخالف (Alternative Hypothesis – H₁ یا Hₐ)برعکس فرضیه صفر؛ یعنی یک تفاوت یا ارتباط وجود دارد.مثال: «داروی A فشار خون را کاهش میدهد.» (اختلاف میانگین فشار خون بین دو گروه صفر نیست)
نکته: فرضیه صفر را رد میکنیم یا نمیکنیم. هرگز «قبول» نمیکنیم. همیشه میگوییم «شواهد کافی برای رد H₀ وجود دارد» یا «شواهد کافی برای رد H₀ وجود ندارد». مراحل آزمون فرضیه (گام به گام):گام ۱: تعریف فرضیههاH₀ و H₁ را به صورت واضح بنویس.
گام ۲: تعیین سطح معنیداری (α)معمولاً ۰.۰۵. یعنی ۵٪ احتمال اینکه اشتباهاً H₀ را رد کنیم (خطای نوع اول).
گام ۳: انتخاب آزمون آماری مناسبمثلاً تیتست، کای دو، آنالیز واریانس، رگرسیون.
گام ۴: محاسبه آماره آزمون و p-valueنرمافزارهای آماری این کار را برایتان انجام میدهند.
گام ۵: تصمیمگیری
اگر p-value < α → H₀ را رد میکنیم (نتیجه معنیدار است).
اگر p-value ≥ α → H₀ را رد نمیکنیم (نتیجه معنیدار نیست).
اشتباهات رایج در آزمون فرضیه: تعریف نادرست فرضیه (مثلاً فرضیه صفر را به جای H₁ بنویسید). انتخاب آزمون آماری غلط (مثلاً استفاده از تیتست برای دادههای چوله). تفسیر p-value به عنوان «احتمال درستی فرضیه» (p-value فقط احتمال دیدن دادهها در صورت درستی H₀ است، نه احتمال درستی H₀). نادیده گرفتن اندازه اثر (Effect size) – p-value کوچک لزوماً به معنی اثر بزرگ نیست. مثال ملموس اپیدمیولوژیک:میخواهیم بررسی کنیم آیا واکسن آنفلوآنزا از ابتلا به بیماری جلوگیری میکند یا نه:
H₀: خطر ابتلا در گروه واکسن = خطر ابتلا در گروه دارونما
H₁: خطر ابتلا در گروه واکسن < خطر ابتلا در گروه دارونما
پس از تحلیل: RR = 0.65, 95% CI: 0.50-0.84, P = 0.001چون P < 0.05، H₀ را رد میکنیم و نتیجه میگیریم که واکسن مؤثر است.
جمعبندی:فرضیه صفر = هیچ تفاوتی وجود ندارد.
فرضیه مخالف = تفاوت وجود دارد.
p-value < 0.05 → شواهد کافی برای رد فرضیه صفر.
همیشه p-value را با اندازه اثر و فاصله اطمینان همراه کنید.
️ ایستگاه اپیدمیولوژی ️آموزش / مشاوره مقاله و پایاننامه و طرح پژوهشی و آماری / ویراستاری پژوهشی / منتورینگ پژوهشی
تلگرام/ بله️ ارتباط با ما و رزرو مشاوره️ @Epidemiology_Station۴۲