Гипотезы H0 и H1

Идея

Гипотеза — конкретное утверждение которое можно проверить данными.

H0 (нулевая)

Гипотеза «нет эффекта» / «ничего не изменилось». Это дефолт против которого ты борешься.

Примеры:

• «Новая кнопка не влияет на конверсию» (CR_new = CR_old)
• «Зарплаты мужчин и женщин одинаковые»
• «Препарат не помогает» (старый стандарт)

H1 (альтернативная)

То что ты хочешь доказать.

Примеры:

• «Новая кнопка увеличивает конверсию» (CR_new > CR_old) — односторонняя
• «Зарплаты различаются» (M ≠ W) — двусторонняя

Правила

1. H0 + H1 покрывают все возможности (нет эффекта или есть)
2. H0 содержит знак равенства (CR_new = CR_old)
3. Цель теста — опровергнуть H0

Как опровергнуть

1. Собираешь данные
2. Считаешь p-value (вероятность увидеть данные если H0 верна)
3. Если p < 0.05 (или другой alpha) → отвергаем H0

«Отвергаем H0» = «есть статистически значимое доказательство H1».

Подвох

Невозможность отвергнуть H0 не означает что H0 верна. Может просто данных мало.

❌ «p=0.4, кнопка не работает» ✅ «p=0.4, у нас недостаточно данных чтобы доказать что кнопка работает»