虛無假說

在推論統計學中，零假設（英語：Null hypothesis，又譯零假說，符號：${\displaystyle H_{0}}$）是做統計檢驗時的一類假說。

一張包含虛無假說與對立假說兩個曲線的示意圖，兩常態分布有不同的期望值與相同的變異數

零假設的內容一般是希望能證明為錯誤的假設，與零假設相對的是對立假說，即希望通過證偽零假設而證明正確的另一種假說。從數學上來看，零假設和備擇假設的地位是相等的，但是在統計學的實際運用中，常常需要強調一類假設為應當或期望實現的假設，例如在相關性檢驗中，一般會取「兩者之間無關聯」作為零假設，而在獨立性檢驗中，一般會取「兩者之間非獨立」作為零假設。

如果一個統計檢驗的結果拒絕（reject）零假設（結論不支持零假設），而實際上真實的情況屬於零假設，那麼稱這個檢驗犯了型一錯誤。反之，如果檢驗結果支持零假設，而實際上真實的情況屬於備擇假設，那麼稱這個檢驗犯了型二錯誤。通常的做法是，在保持第一類錯誤出現的機會在某個特定水平上的時候（即顯著性差異值或α值），儘量減少第二類錯誤出現的概率。

相關條目

• 假說檢定
• 對立假說
• 檢定力
• 型一錯誤與型二錯誤
• 顯著性差異
• 似然比檢驗（英語：Likelihood-ratio test）
• 司徒頓t檢定

參考來源

• 統計學原理：假設檢驗

延伸閱讀

• 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."

外部連結

• HyperStat Online: Null hypothesis （頁面存檔備份，存於網際網路檔案館）