los conceptos en el modelo deductivo-nomológico de Hempel juegan un papel clave en el desarrollo y la prueba de hipótesis. La mayoría de las hipótesis formales conectan conceptos especificando las relaciones esperadas entre las proposiciones. Cuando un conjunto de hipótesis se agrupan, se convierten en una especie de marco conceptual. Cuando un marco conceptual es complejo e incorpora causalidad o explicación, generalmente se denomina teoría., Según el filósofo de la ciencia Carl Gustav Hempel » una interpretación empírica adecuada convierte un sistema teórico en una teoría comprobable: la hipótesis cuyos términos constituyentes han sido interpretados se vuelven capaces de probar por referencia a fenómenos observables. Con frecuencia, la hipótesis interpretada será hipótesis derivadas de la teoría; pero su confirmación o confirmación por datos empíricos fortalecerá o debilitará inmediatamente también las hipótesis primitivas de las que se derivaron.,»
Hempel proporciona una metáfora útil que describe la relación entre un marco conceptual y el marco tal como se observa y tal vez se prueba (marco interpretado). «Todo el sistema flota, por así decirlo, por encima del plano de observación y está anclado a él por reglas de interpretación. Estos podrían ser vistos como cadenas que no son parte de la red, sino que vinculan ciertos puntos de esta última con lugares específicos en el plano de observación. En virtud de esas conexiones interpretativas, la red puede funcionar como una teoría científica.,»Las hipótesis con conceptos anclados en el plano de la observación están listas para ser probadas. En la » práctica científica real, el proceso de enmarcar una estructura teórica y de interpretarla no siempre están fuertemente separados, ya que la interpretación pretendida generalmente guía la construcción del teórico.»Es, sin embargo, «posible y de hecho deseable, a los efectos de una aclaración lógica, separar conceptualmente los dos pasos.,»
prueba de hipótesis estadística
Cuando se investiga una posible correlación o relación similar entre fenómenos, como si un remedio propuesto es efectivo en el tratamiento de una enfermedad, la hipótesis de que existe una relación no puede examinarse de la misma manera que se podría examinar una nueva ley de la naturaleza propuesta. En tal investigación, si el remedio probado no muestra ningún efecto en unos pocos casos, estos no necesariamente falsean la hipótesis., En su lugar, las pruebas estadísticas se utilizan para determinar la probabilidad de que el efecto general se observaría si la relación hipotética no existe. Si esa probabilidad es suficientemente pequeña (por ejemplo, menos del 1%), se puede suponer la existencia de una relación. De lo contrario, cualquier efecto observado puede deberse a pura casualidad.
en las pruebas de hipótesis estadísticas, se comparan dos hipótesis. Estas se llaman hipótesis nula y hipótesis alternativa., La hipótesis nula es la hipótesis que afirma que no hay relación entre los fenómenos cuya relación está bajo investigación, o al menos no de la forma dada por la hipótesis alternativa. La hipótesis alternativa, como su nombre indica, es la alternativa a la hipótesis nula: afirma que hay algún tipo de relación., La hipótesis alternativa puede tomar varias formas, dependiendo de la naturaleza de la relación hipotética; en particular, puede ser bilateral (por ejemplo: hay algún efecto, en una dirección aún desconocida) o unilateral (la dirección de la relación hipotética, positiva o negativa, se fija de antemano).
Los niveles de significancia convencionales para probar hipótesis (probabilidades aceptables de rechazar erróneamente una hipótesis nula verdadera) son .10, .05, y .01., El nivel de significación para decidir si se rechaza la hipótesis nula y se acepta la hipótesis alternativa debe determinarse de antemano, antes de que se recojan o inspeccionen las observaciones. Si estos criterios se determinan más tarde, cuando los datos a probar ya se conocen, la prueba no es válida.
el procedimiento anterior depende en realidad del número de participantes (unidades o tamaño de la muestra) que se incluyen en el estudio., Por ejemplo, para evitar que el tamaño de la muestra sea demasiado pequeño Para rechazar una hipótesis nula, se recomienda especificar un tamaño de muestra suficiente desde el principio. Es aconsejable definir un tamaño de efecto pequeño, mediano y grande para cada una de las pruebas estadísticas importantes que se utilizan para probar las hipótesis.