Para la hipótesis nula al realizar un estudio estadístico, se debe tener en cuenta que puede que no exista ningún patrón.
Al realizar un experimento científico, analizamos la información recibida para poder elegir entre las hipótesis. Por ejemplo, si cree que la naturaleza debería comportarse en una situación determinada de tal o cual manera; y realiza un experimento para probar o refutar esto, desea poder afirmar que los datos experimentales confirman su hipótesis, y no alguien más. Esperamos que los datos demuestren que los resultados experimentales dependen de variables y no de manera diferente. En la mayoría de los casos, no existe un único experimento limpio y simple; por lo que tenemos que repetir las mediciones muchas veces para obtener una garantía de la confiabilidad del resultado. Por lo tanto, a menudo necesitamos un análisis estadístico de la información recibida.
Caso práctico y demostración de la hipótesis nula
No obstante el resultado dependerá de muchos factores. Veamos el caso en que debemos separar los principales de los menores: el grano de la cáscara. Por ejemplo, cuando un científico quiere encontrar un vínculo entre el tabaquismo y el cáncer de pulmón; no es suficiente para él encontrar un fumador que tenga (o no haya contraído) cáncer de pulmón. Deberá recopilarse y analizarse una cantidad significativa de datos; antes de que este científico pueda afirmar que entre el tabaquismo y el cáncer de pulmón existe una relación. En este tipo de investigación, la hipótesis nula juega un papel clave. La hipótesis nula es esencialmente la suposición de que el resultado, el objetivo final de cualquier investigación, no existe.
En lo que respecta a su búsqueda de una relación entre el tabaquismo y el cáncer de pulmón, la hipótesis nula dirá que no existe tal relación. La pregunta es, ¿en qué momento los datos recopilados serán suficientes para invalidar esta afirmación? Si hablamos de tabaquismo y cáncer de pulmón, hace tiempo que se descartó la hipótesis nula: ningún científico que se precie recurrirá a ella ahora. Pero hubo un momento en que simplemente no había suficientes datos para descartarlo; y los investigadores no pudieron probar que la incidencia de cáncer de pulmón entre fumadores y no fumadores no fuera solo una cuestión de azar. Solo teniendo una gran cantidad de datos y reduciendo así al mínimo la posibilidad de un resultado aleatorio, se puede descartar la hipótesis nula.
El ejemplo en el que tuvimos que acumular una gran cantidad de datos los científicos dirían muestra grande para descartar la hipótesis nula. Pero puede ser diferente. Por ejemplo, Tycho Brahe, cuyos muchos años de trabajo llevaron a la creación de las leyes del movimiento planetario de Kepler; simplemente hizo las mediciones más precisas, que fueron suficientes para rechazar la hipótesis nula y asegurarse de que el resultado fuera correcto. La próxima vez que vea un artículo que afirme que existe una correlación entre una enfermedad y su supuesta causa; pregúntese si los investigadores realmente analizaron suficientes casos antes de descartar la hipótesis nula.