在六西格瑪項目中或者其他學術研究領域之中，我們經常要對原因和輸出結果之間的關系進行分析和确認，這個時候我們就需要用到假設檢驗。在大部分的研究中，我們想要證明：母體中有某種特定的效應。

優思學院｜六西格瑪認證課程

例如我們猜想大部分喝咖啡的人都偏好現煮咖啡，為方便讨論，統計檢定會先假設我們在找的效應并不存在。然後，我們開始尋找的證據，必須不利這個假設，因而支持我們想找的效應。

假設檢驗的第一步，是要先列出一個斷言，然後我們再試着找出證據來否定它。

原始假設H。

在假設檢驗中，受檢驗的斷言叫做原始假設（null hypothesis）。鑒定是設計來評估：否定原始假設的證據有多強。

通常，原始假設都是“沒有效應”或“沒有差别”的叙述。

“原始假設”這個詞用Ho代表，讀法是“H零”。Ho是關于母體的叙述，所以一定要用母體參數來表示。咖啡的例子當中的參數，是所有喝咖啡的人裡偏愛現煮咖啡的比例 p。原始假設是：

Ho: p=0.5

我們希望或猜想可取代H。的正确叙述，叫對立假設（alternative hypothesis），用Ha表示。在例子中，對立假設就是：喝咖啡的人大多偏好現煮咖啡。用母體參數表示就是：

Ha: p>0.5

假設檢驗會找對原始假設不利、但對對立假設有利的證據。

如果觀察到的結果，在原始假設為真的情況下是出人意料的，而在對立假設為真時卻較易發生，這個證據就很強。

比如說，當事實上母體隻有一半喜歡現煮咖啡，卻發現50位受試者中有36位喜歡，就會出人意料。

有多出人意料呢？用機率來回答這個問題：這個機率指的就是，在Ho正确時實際觀察到的結果跟預期結果差距很大的機率，而這個差距至少要等于（或大于）實際觀察與預期結果的差距。

怎麼樣算是“跟預期的差距很大”？這既和Ho有關，也和Ha有關。

在試喝測試中，我們希望得到的機率，就是在50人中至少有36人喜歡現煮咖啡的機率。如果原始假設p=0.5正确的話，上述的這個機率會非常小（0.001）。這就是原始假設不正确的有力證據。

假設檢驗中的 P值（P-value）是在Ho為真的假設下，所得到樣本結果會像實際觀察結果那麼極端或更極端的機率。P值愈小，資料所提供否定Ho的證據就愈強。

在實際應用時，大部分的統計檢定可以由會計算P值的電腦軟體來執行，例如minitab、SPSS、Excel。

在許多領域中都常見到引用P值來描述研究結果。所以，即使你自己不做假設檢驗，也應該要知道P值的意義，就像雖然你自己不用計算置信區間，但也應該要了解“95％置信水平”是什麼意思。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!