Nullhypothese (kurz H0) und Alternativhypothese (kurz H1) drücken zwei sich logisch ausschließende Zustände über die Populationen aus, um die es in deiner Untersuchung gehen soll.
Zum Beispiel soll untersucht werden, ob sich Männer und Frauen dahingehend unterscheiden, wie oft sie im Monat über Kopfschmerzen berichten. Die Nullhypothese wäre in diesem Fall, dass Männer und Frauen gleich häufig über Kopfschmerzen berichten. Die Alternativhypothese drückt die konkrete Vermutung des Forschers bzw. der Forscherin aus und kann gerichtet oder ungerichtet sein.
Die ungerichtete Alternativhypothese wäre hier, dass sich Männer und Frauen darin unterscheiden, wie oft sie im Monat über Kopfschmerzen berichten, wobei man sich nicht festlegt, ob denn nun die Männer häufiger über Kopfschmerzen berichten oder die Frauen (man lässt quasi die „Richtung“ des Unterschieds offen).
Die gerichtete Alternativhypothese könnte entweder sein, dass Männer häufiger über Kopfschmerzen berichten als Frauen oder eben Frauen häufiger über Kopfschmerzen berichten als Männer.
Egal ob gerichtete oder ungerichtete Alternativhypothese: Nullhypothese und Alternativhypothese können nicht beide zusammen wahr sein!
Führt man dann den zugehörigen statistischen Test durch, sollte man sich gegen die Nullhypothese entscheiden, wenn der Test signifikant ist, also wenn der p-Wert des Tests kleiner ist als das vorher festgelegte α-Level.
Wenn du mehr über die allgemeine Logik statistischer Tests wissen möchtest, dann schau in unseren Grundlagenartikel zu diesem Thema.