零假设
此条目可参照英语维基百科相应条目来扩充。 (2024年5月29日) |
在推论统计学中,零假设(英语:Null hypothesis,又译虚无假设、原假设,符号:)是做统计检验时的一类假设。
零假设的内容一般是希望能证明为错误的假设,与零假设相对的是备择假设,即希望通过证伪零假设而证明正确的另一种假说。从数学上来看,零假设和备择假设的地位是相等的,但是在统计学的实际运用中,常常需要强调一类假设为应当或期望实现的假设,例如在相关性检验中,一般会取“两者之间无关联”作为零假设,而在独立性检验中,一般会取“两者之间非独立”作为零假设。
如果一个统计检验的结果拒绝(reject)零假设(结论不支持零假设),而实际上真实的情况属于零假设,那么称这个检验犯了第一类错误。反之,如果检验结果支持零假设,而实际上真实的情况属于备择假设,那么称这个检验犯了第二类错误。通常的做法是,在保持第一类错误出现的机会在某个特定水平上的时候(即显著性差异值或α值),尽量减少第二类错误出现的概率。
相关条目
参考来源
延伸阅读
- Adèr, H. J.; Mellenbergh, G. J. & Hand, D. J. Advising on research methods: A consultant's companion. Huizen, The Netherlands: Johannes van Kessel Publishing. 2007. ISBN 90-79418-01-3.
- Efron, B. Large-Scale Simultaneous Hypothesis Testing. Journal of the American Statistical Association. 2004, 99 (465): 96. doi:10.1198/016214504000000089. The application of significance testing in this paper is an outlier. Tests to find a null hypothesis? Not trying to show significance, but to find interesting cases?
- Rice, William R.; Gaines, Steven D. 'Heads I win, tails you lose': testing directional alternative hypotheses in ecological and evolutionary research. TREE. June 1994, 9 (6): 235–237. doi:10.1016/0169-5347(94)90258-5. Directed tests combine the attributes of one-tailed and two-tailed tests. "...directed tests should be used in virtually all applications where one-sided tests have previously been used, excepting those cases where the data can only deviate from H0, in one direction."