什麼是假設檢定

根據資料判斷是否拒絕「沒有差異」等假設的統計方法。把想要否定的假設設為虛無假設，求出在其為真的前提下，得到與觀測結果相同或更極端結果的機率（p值）。若p值小於事先決定的顯著水準（如5%），就拒絕虛無假設。錯誤有兩種：拒絕為真之虛無假設的型一錯誤，以及沒有拒絕錯誤之虛無假設的型二錯誤。

日文名稱: 仮説検定

「假設檢定」出現在1領域的2道練習題中（機率、統計與等候理論等）。

檢定的步驟

首先設立「在新條件下良率也不變」這樣的虛無假設，以及「會改變」的對立假設。接著在看資料之前，先決定顯著水準α（5%或1%等）。由資料計算檢定統計量與p值，若p值小於α，就拒絕虛無假設並判斷「有顯著差異」，否則不拒絕。

型一錯誤是實際上沒有差異卻判斷有差異的錯誤（偽陽性），其機率就是顯著水準α。型二錯誤是實際上有差異卻漏看的錯誤（偽陰性）；設其機率為β，能正確偵測出差異的機率 1 − β 稱為檢定力。樣本大小相同時，α越小β就越大，因此要讓兩者都變小，就要增加樣本。

無法拒絕虛無假設，並不能證明「沒有差異」，有時只是樣本太少、檢定力不足而已。反過來，樣本非常多時，即使是實用上沒有意義的微小差異也會變得顯著，因此也要一併看差異的大小。也要注意，反覆進行許多次檢定時，容易出現因偶然而顯著的結果。

查看答案與解析

正確答案：C. 假設虛無假設為真時，得到觀測結果或比它更極端結果的機率

假設檢定是先設立「沒有差異」等虛無假設，再以p值表示在虛無假設為真的前提下，得到像實際資料那樣的結果有多不容易。若p值小於事先決定的顯著水準（例如0.05），就拒絕虛無假設，判斷有差異。p值並不是虛無假設或對立假設本身為真的機率。

查看答案與解析

正確答案：A. 把符合規格的批次判定為不符合而判為不合格

型一錯誤是在虛無假設為真時卻拒絕它的錯誤，在此是把好的批次判為不合格（生產者風險）。其機率就是顯著水準α，會事先定為5%等。型二錯誤是在虛無假設不為真時卻沒有拒絕它的錯誤，在此是把壞的批次判為合格（消費者風險）。在樣本數相同的情況下，把α設得越小，型二錯誤就越容易發生。

不行。這只表示「由這些資料，無法得到足以判斷有差異的根據」。要確認差異，應規劃樣本大小以得到所需的檢定力，或以信賴區間表示差異大小的範圍。

常用的是5%，但這並非規定。若誤判有差異時損失很大，就設為1%等較小的值；若漏看的損失很大，則重視檢定力。不論哪種情形，都要在檢定之前決定，而不是看了資料之後再選擇對自己有利的水準。

假設檢定是先設立「沒有差異」等虛無假設，再以p值表示在虛無假設為真的前提下，得到像實際資料那樣的結果有多不容易。
假設檢定中得到的p值，其意義下列何者適當？
型一錯誤是在虛無假設為真時卻拒絕它的錯誤，在此是把好的批次判為不合格（生產者風險）。
以抽出的樣本，檢定產品批次是否符合規格。若把虛無假設設為「此批次符合規格」，下列何者相當於型一錯誤？