1樓：
拒絕H0結論要可靠些。這是所謂的反證法或證偽法。要證明乙個結論完全成立，可能需要窮舉法才能證明。但要拒絕乙個結論，只需要乙個反例。
另外，這跟α風險和β風險也有關係。α風險是H0實際上為真而被錯誤拒絕的風險。β風險則是H0實際為假但被錯誤接受的風險。
相對而言，α風險帶來的危害程度遠遠小於β風險。因此這也是為什麼在實踐中，寧可要把可靠性更高的結論放在Ha而不是放在H0。
舉個例子就是：要證明一種藥有效，跟要證明一種藥無效，當然是後者要容易得多，也可靠得多。前者必須要窮舉所有的病患才能證明其有效，後者則只需要足夠的樣本就夠了。
並且，對於這兩個假設，α風險是拒絕了本來有效的藥物，而β風險則是接受了無效的藥物。兩種風險帶來的後果顯然是α風險的危險是遠遠小於β風險的。
因此在實踐中，書寫結論時，使用的語言是：
P>0.05時，不能拒絕H0（注意，這並不等於H0成立）如果此時下結論說H0成立就會面臨β風險。
P<0.05時，拒絕H0，接受Ha。此時會面臨α風險。
什麼是假設檢驗的兩種錯誤？
Jason 舉個例子，假設有乙個銀行的工作人員，在判斷是不是要放貸給某個客戶。如果客戶的信用好，就貸款給他 如果客戶的信用不好，就不貸款給他。Alternative Hypothesis HA 備擇假設 這個客戶信用不好 Null Hypothesis H0 原假設 這個客戶信用好 如果我判定這個客...
如何理解假設檢驗的接受域與置信區間的關係？
chan 首先假設檢驗中的不拒絕域和置信區間本質上是兩個不一樣的東西，但是它們之間有點異曲同工之妙。前者的不拒絕域是以總體引數為主體來構建的，它可以理解為假設引數為真的條件下樣本統計量落入這個不拒絕域的概率有 1 因此若你的樣本統計量在 1 這麼大的概率下仍然落入不了不拒絕域，那麼我就有充足的理由去...
假設檢驗的power（中文好像翻譯為功效）的具體含義是什麼？
Minitab Users Group 什麼是功效？假設檢驗的功效是檢驗正確否定原假設的概率。假設檢驗的功效受到檢驗的樣本數量 差值 資料變異性和顯著性水平的影響。如果檢驗的功效低，則您可能無法檢測到效應並錯誤地得出不存在任何效應的結論。如果檢驗的功效太高，則很小的效應或不需要關注的效應看上去都可能...