ほとんどの研究では、研究者は彼らが対処したい特定の研究の質問を持っています。 たとえば、研究者は、新薬が人工膝関節全置換術（TKA）後の術後鎮痛を延長できるかどうか疑問に思うかもしれません。 帰無仮説と対立仮説は、研究の統計分析に焦点を当てた宣言型のステートメント（質問ではありません）です。 ここで、帰無仮説（H0）は、「新薬を投与された患者と標準薬を投与された患者の間で、TKA後の最初の鎮痛薬の要求までの時間に差はありません」と述べています。 研究者の関心は確かにゼロ以外の違いにあるに違いないので、これは驚くべきことに思えるかもしれません。 ただし、0.01と0.002、12.345、987.65など、ゼロではない微小な違いがあります。これは、いくつかのライフタイムでテストするには多すぎます。 したがって、恐ろしい漫画が示唆しているように、統計的検定を固定するための非常に具体的なnull値（0.00000）が必要でした。
反対に、代替（研究としても知られている）仮説は、H1「TKA後の鎮痛薬の最初の要求までの時間は、新薬を投与された患者と標準薬を投与された患者の間で異なります」と述べるかもしれません。 または、H2「TKA後の鎮痛薬の最初の要求までの時間は、標準薬を投与された患者よりも新薬を投与された患者の方が長くなります。」 または、H3「TKA後の鎮痛薬の最初の要求までの時間は、標準薬を投与された患者よりも新薬を投与された患者の方が短いです。」 3つのうちの2つを選択する必要があります。1つ目は無指向性（両側）であり、単に違いがあることを示しています。 他の2つは方向性（片側）であり、違いは長い方向または短い方向にあると述べています。 私たちの研究者はこの特定の研究にHXNUMXを選択する可能性がありますが、新しい研究分野のほとんどの研究は、方向性のない代替案に基づいています。
最後に、データ収集が開始されると、仮説を変更できないことに注意することが重要です。 これは、研究デザインと統計分析計画が特定の帰無仮説と対立仮説をテストするように設定されており、データを覗き見すると、調査員が過度に影響を受けてそれらを変更できる可能性があるためです。 来月、少量の統計は、タイプIとタイプIIのエラー、および統計的意思決定におけるそれらの重要性をカバーします。
