(Ho) - Ipotesi di non differenza o di non associazione che va saggiata ricorrendo generalmente ad un test di significatività contro l’ipotesi alternativa.
L’ipotesi nulla è per definizione sempre la più conservativa; per esempio in un trial tra due farmaci l’ipotesi nulla prevede che “il farmaco studiato ha un effetto medio pari a quello del farmaco di controllo”. L’esperimento deve tentare di confutare questa ipotesi dimostrando al contrario un’ipotesi alternativa (c’è differenza tra i due farmaci). In realtà i valori misurati quasi mai coincideranno tra i 2 gruppi. È infatti poco probabile la perfetta uguaglianza di 2 valori che anche solo per puro effetto del caso tenderanno invece a essere leggermente diversi tra loro. Come riconoscere allora gli effetti del caso da quelli veri dovuti cioè a una reale efficacia dell’intervento analizzato? Grazie a tecniche statistiche è possibile associare a ogni differenza osservata una probabilità che tale differenza si verifichi. Si stabilisce convenzionalmente una soglia di probabilità solitamente il 5% o l’1% al di sotto della quale si prenderà la decisione di rifiutare l’ipotesi nulla. Questa probabilità è detta alfa o livello di significatività e rappresenta dunque il rischio che si accetta a priori di correre di cadere nell’errore di primo tipo di assumere cioè come frutto di un trattamento una differenza che in realtà è frutto solo del caso. Il complemento a 1 di alfa 1-alfa si chiama “livello di protezione dall’errore di primo tipo”. Per esempio per alfa = 0.05 1-alfa è = 0.95 (95%). Se il ricercatore decidesse per proteggersi dall’errore di primo tipo di limitare al massimo il livello di alfa correrebbe il rischio di commettere l’errore opposto: non rifiutare l’ipotesi nulla quando essa è falsa o in parole più semplici non vedere una differenza reale tra i 2 farmaci. Anche in questo caso si verificherebbe un errore detto di secondo tipo. La probabilità di commettere questo errore è detta beta. Il suo complemento a 1 1-beta esprime la potenza del test e in effetti misura il potere che un test ha di svelare un effetto esistente. Per esempio per beta = 0.2 1-beta è = 0.8 (80%). Negli studi di buona qualità i ricercatori decidono in anticipo il livello di alfa e di beta e di conseguenza predeterminano la numerosità di soggetti da reclutare in ogni gruppo. Dopo l’esecuzione dell’esperimento si misura sui dati ottenuti la probabilità detta P di ottenere i dati osservati sotto ipotesi nulla: se il valore di P è inferiore al livello prefissato di alfa (per esempio P<0.05) si rifiuta l’ipotesi (attribuendo perciò le differenze osservate al trattamento) affermando che l’effetto osservato è statisticamente significativo altrimenti non la si rifiuta attribuendo allora le differenze osservate al caso. In entrambe le condizioni si è consapevoli della probabilità di errore della decisione avendola fissata a priori.
