什么是零假设？
零假设是统计中使用的一种假设，它提出在一组给定的观测值中不存在统计显着性。 零假设试图表明变量之间不存在变异，或者单个变量与其均值没有差异。 假定它是正确的，直到统计证据使该假设无效为止。
例如，如果设定了假设检验，以使替代假设指出总体参数不等于要求的值。 因此，总体平均值的烹饪时间不等于12分钟； 而是可以小于或大于指定值。 如果接受原假设或统计检验表明总体平均值为12分钟，则替代假设被拒绝。 反之亦然。
重要要点
- 零假设是统计中使用的一种推测，它提出在一组给定的观测值中不存在统计显着性。 零假设与另一假设相对立，并试图表明变量之间不存在变异，或者单个变量与其均值没有差异。 假设检验允许数学模型在一定的置信度内验证或拒绝原假设。
零假设
无效假设如何运作
零假设也称为猜想，它假设您在一组数据中看到的任何种类的差异或重要性都是由于偶然性造成的。 原假设的反面被称为替代假设。
零假设是总体平均值等于所要求的初始统计声称。 例如，假设烹饪特定品牌的面食的平均时间为12分钟。 因此，原假设为：“总体均值等于12分钟”。 相反，替代假设是如果否定假设被拒绝，则接受的假设。
假设检验允许数学模型在一定的置信度内验证或拒绝原假设。 统计假设使用四步过程进行检验。 分析师的第一步是陈述两个假设，以便只有一个假设是正确的。 下一步是制定分析计划，该计划概述了如何评估数据。 第三步是执行计划并对样本数据进行物理分析。 第四步也是最后一步是分析结果，并接受或拒绝原假设。
重要
分析师希望 拒绝 零假设，以排除某些变量来解释感兴趣的现象。
空假设示例
这是一个简单的示例：一位校长报告说，她所在学校的学生在10项考试中平均得分为7。 为了检验这种“假设”，我们记录了整个学校学生群体（例如300名）中有30名学生（样本）的分数，并计算出该样本的平均值。 然后，我们可以将（计算出的）样本均值与（报告的）总体均值进行比较，并尝试确认假设。
再举一个例子：某个共同基金的年收益率为8％。 假设共同基金已经存在了20年。 我们从一个共同基金（例如，五年）的年度收益中随机抽取一个样本，并计算其平均值。 然后，我们将（计算得出的）样本均值与（声称的）总体均值进行比较，以验证假设。
通常，报告值（或索赔统计数据）被陈述为假设，并假定为真实。 对于以上示例，假设将是：
- 范例A：学校的学生在10项考试中平均得分为7。范例B：共同基金的年收益为8％。
该陈述的描述构成“ 零假设（H 0 ） ”，并被 认为 是真实的-陪审团审判中的被告被认为是无罪的，直到法庭上提供的证据证明其有罪。 类似地，假设检验从陈述并假设“零假设”开始，然后过程确定该假设可能是对还是错。
需要注意的重要一点是，我们正在测试原假设，因为对它的有效性存在疑问。 替代假设（H 1 ）中包含与陈述的原假设相反的任何信息。 对于上述示例，替代假设为：
- 学生的平均分数 不 等于7。共同基金的年收益 不 等于8％。
换句话说，替代假设是原假设的直接矛盾。
投资假设检验
举一个与金融市场有关的例子，假设爱丽丝（Alice）看到她的投资策略所产生的平均回报比单纯购买和持有股票要高。 零假设声称两个平均收益率之间没有差异，爱丽丝必须相信这一点，直到她证明不是。 驳斥原假设将需要显示统计显着性，可以使用多种检验来发现。 因此，另一种假设将指出，投资策略的平均回报率要高于传统的“买入并持有”策略。
p值用于确定结果的统计显着性。 通常使用小于或等于0.05的p值来指示是否有强有力的证据反对原假设。 如果爱丽丝进行了其中一种检验（例如使用正常模型的检验），并且证明自己的收益与购买和持有收益之间的差异很大，或者p值小于或等于0.05，则她然后可以驳斥原假设并接受替代假设。
