Apa perbedaan antara "pengujian hipotesis" dan "uji signifikansi"?

Apakah ada perbedaan antara frasa "pengujian hipotesis" dan "uji signifikansi" atau apakah keduanya sama?

Setelah jawaban terperinci dari @Micheal Lew, saya punya satu kebingungan bahwa hipotesis saat ini (misalnya, uji-t untuk menguji rata-rata) adalah contoh dari "pengujian signifikansi" atau "pengujian hipotesis"? Atau kombinasi keduanya? Bagaimana Anda membedakannya dengan contoh sederhana?

Pengujian signifikansi adalah apa yang dirancang oleh Fisher dan pengujian hipotesis adalah apa yang dirancang oleh Neyman dan Pearson untuk menggantikan pengujian signifikansi. Mereka tidak sama dan saling tidak kompatibel sampai taraf yang akan mengejutkan sebagian besar pengguna tes hipotesis nol.

Uji signifikansi Fisher menghasilkan nilai p yang menunjukkan seberapa ekstrim pengamatan di bawah hipotesis nol. Nilai p itu adalah indeks bukti terhadap hipotesis nol dan tingkat signifikansi.

Tes hipotesis Neyman dan Pearson mengatur hipotesis nol dan hipotesis alternatif dan berfungsi sebagai aturan keputusan untuk menerima hipotesis nol. Secara singkat (ada lebih dari yang bisa saya taruh di sini) Anda memilih tingkat inferensi positif palsu, alpha (biasanya 0,05), dan menerima atau menolak nol berdasarkan apakah nilai p di atas atau di bawah alpha. Anda harus mematuhi keputusan uji statistik jika ingin melindungi dari kesalahan positif palsu.

Pendekatan Fisher memungkinkan Anda untuk mempertimbangkan apa pun yang Anda suka dalam menafsirkan hasil, misalnya bukti yang sudah ada sebelumnya dapat secara informal diperhitungkan dalam penafsiran dan penyajian hasil. Dalam pendekatan NP yang hanya bisa dilakukan pada tahap desain eksperimental, dan sepertinya jarang dilakukan. Menurut pendapat saya pendekatan Fisher lebih berguna dalam pekerjaan dasar biosains daripada pendekatan NP.

Ada literatur substansial tentang ketidakkonsistenan antara pengujian signifikansi dan pengujian hipotesis dan tentang hibridisasi keduanya. Anda bisa mulai dengan makalah ini: Goodman, Menuju statistik medis berbasis bukti. 1: Kekeliruan nilai P. http://www.ncbi.nlm.nih.gov/sites/entrez?Db=pubmed&Cmd=ShowDetailView&TermToSearch=10383371

Dalam banyak kasus, kedua pernyataan ini memiliki arti yang sama. Namun, mereka juga bisa sangat berbeda.

Menguji hipotesis terdiri dari pertama mengatakan apa yang Anda yakini akan terjadi dengan beberapa fenomena, kemudian mengembangkan semacam tes untuk fenomena ini, dan kemudian menentukan apakah fenomena tersebut benar-benar terjadi. Dalam banyak kasus, pengujian hipotesis tidak perlu melibatkan segala jenis uji statistik. Saya teringat akan kutipan ini oleh fisikawan Ernest Rutherford - Jika percobaan Anda membutuhkan statistik, Anda harus melakukan percobaan yang lebih baik. Yang sedang berkata, pengujian hipotesis biasanya memang menggunakan semacam alat statistik.

Sebaliknya, pengujian signifikansi adalah konsep statistik murni. Pada dasarnya, seseorang memiliki dua hipotesis - hipotesis nol, yang menyatakan bahwa tidak ada perbedaan antara dua (atau lebih) koleksi data Anda. Hipotesis alternatif adalah bahwa ada perbedaan antara dua sampel Anda yang tidak terjadi secara kebetulan.

Berdasarkan desain penelitian Anda, Anda kemudian membandingkan dua (atau lebih) sampel menggunakan uji statistik, yang memberi Anda angka, yang kemudian Anda bandingkan dengan distribusi referensi (seperti distribusi normal, t, atau F) dan jika statistik tes ini melebihi nilai kritis, Anda menolak hipotesis nol dan menyimpulkan bahwa ada perbedaan antara dua (atau lebih) sampel. Kriteria ini biasanya bahwa kemungkinan perbedaan yang terjadi secara kebetulan kurang dari satu dalam dua puluh (p <0,05), meskipun yang lain kadang-kadang digunakan.