零假设（null hypothesis），统计学术语，又称原假设，指进行统计检验时预先建立的假设，这个假设一般是未进行实验之前最保守和有意推翻的假设，而之后实验的目的一般是希望证明其假设错误。 零...
零假设
零假设（null hypothesis），统计学术语，又称原假设，指进行统计检验时预先建立的假设，这个假设一般是未进行实验之前最保守和有意推翻的假设，而之后实验的目的一般是希望证明其假设错误。 零假设成立时，有关统计量应服从已知的某种概率分布。当结果统计量的计算值落入否定域时，可知发生了小概率事件，应否定原假设。
备择假设
与零假设相对的是备择假设（对立假设），其包含关于总体分布的一切使原假设不成立的命题。
第一类错误与第二类错误
如果一个统计检验的结果拒绝零假设（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，称为“弃真”
。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，称为“纳伪”。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（置信值）的时候，尽量减少第二类错误出现的概率。
遵循原则
在确立原假设与备择假设时应遵循以下两个原则:
（1）原假设是在一次试验中有绝对优势出现的事件，而备择假设在一次试验中不易发生(或几乎不可能发生)的事件。因此，在进行单侧检验时，最好把原假设取为预想结果的反面，即把希望证明的命题放在备择假设上。
（2）将可能犯的严重错误看作第一类错误，因为犯第一类错误的概率可以通过a的大小来控制。犯第二类错误的概率是无法控制的。如医生对前来问诊的病人作诊断时，可能会犯“有病看成无病”或者“无病看成有病’的错误，相比较而言，“无病看成有病“的错误更严重，故应将“问诊人有病”作为原假设。而在某项疾病普查中，将“被检查人有病’作为原假设就不恰当了。
假设检验是统计分析的一种重要方法，正确的理解假设检验过程中由于更换原假设与备择假设所引发的结论的差异，对于我们理解假设检验的思想以及掌握其方法都是十分重要的。只有更好地掌握假设检验的思想方法，才能在实践中应用假设检验方法解决实际问题。
