零假设和备择假设

本文解释了原假设和备择假设之间的区别。您还可以看到原假设和备择假设的几个示例,此外,还可以看到何时拒绝原假设以及何时拒绝备择假设。

零假设

在统计学中,零假设是在假设检验中认为实验结论是错误的假设。原假设的符号是 H 0

因此,零假设是我们希望拒绝的假设。因此,如果研究人员设法拒绝零假设,则意味着他想在统计研究中证明的假设可能是正确的。另一方面,如果无法拒绝原假设,则意味着想要检验的假设很可能是错误的。我们将在下面看到什么时候可以拒绝原假设。

H_0: \text{Hip\'otesis nula}

通常,零假设在其陈述中包含“否”或“不同于”,因为它假设研究假设是错误的。

请参阅:原假设示例

备择假设

在统计学中,备择假设(或替代假设)是您想要证明为真的研究假设。备择假设的符号是 H 1

换句话说,备择假设是研究人员的假设,为了证明其正确性,将进行统计分析。因此,在假设检验结束时,将根据获得的结果接受或拒绝备择假设。

H_1:\text{Hip\'otesis alternativa}

因此,备择假设是与原假设相反的假设,研究人员在进行统计研究时打算拒绝原假设。

请参阅:备择假设示例

零假设和备择假设之间的区别

原假设和备择假设的区别在于研究者是否愿意拒绝它。原假设是研究人员打算拒绝的假设。然而,备择假设是研究者希望证明的假设。

为了区分原假设和备择假设,它们用不同的符号表示。原假设的符号是 H 0 ,备择假设的符号是 H 1

\begin{array}{l}H_0: \text{Hip\'otesis nula}\\[2ex]H_1:  \text{Hip\'otesis alternativa}\end{array}

实际上,备择假设是在零假设之前制定的,因为备择假设旨在通过数据样本的统计分析来证实。原假设是通过与备择假设相矛盾而简单地表述出来的。

零假设和备择假设的例子

现在我们知道了原假设和备择假设的定义,我们将看到这两种假设的几个例子,以清楚地理解它们含义的差异。

  1. 例如,如果我们怀疑一台理论上生产 7 厘米零件的机器存在偏差,则备择假设将是所制造零件的平均长度与 7 厘米不同,另一方面,原假设将是所制造的部件的平均长度等于 7 厘米。
  2. \begin{cases}H_0: \mu=7 \text{ cm} \\[2ex]H_1:\mu\neq 7 \text{ cm} \end{cases}

  3. 另一个例子,如果我们认为投票给某个政党的人口比例低于该政党在上次选举中获得的选票百分比(25%),则原假设和备择假设为:
  4. \begin{cases}H_0: p\geq 0,25\\[2ex]H_1:p< 0,25 \end{cases}

  5. 最后一个例子,如果老师怀疑通过实施新的教育制度,某个班级的平均成绩比去年(6.1)有所提高,则其统计研究的原假设和替代假设将是:
  6. \begin{cases}H_0:\mu\leq 6,1 \\[2ex]H_1:\mu> 6,1 \end{cases}” title=”Rendered by QuickLaTeX.com” height=”65″ width=”109″ style=”vertical-align: 0px;”></p>
</p>
</ol>
<h2 class=原假设、备择假设和 p 值

    执行假设检验时,您必须决定是拒绝原假设还是备择假设。因此,通过将 p 值与所选显着性水平 (α) 进行比较来获得假设检验的结果:

    • 如果 p 值小于显着性水平,则拒绝原假设(接受备择假设)。
    • 如果 p 值大于显着性水平,则拒绝备择假设(接受原假设)。

    因此,原假设、备择假设和 p 值是假设检验的三个密切相关的统计概念。要了解更多信息,请单击以下链接:

    请参阅: p 值的解释

添加评论

您的电子邮箱地址不会被公开。 必填项已用*标注