为什么在假设检验时，原假设和备择假设如果设相反了，结果完全相反？？
最佳答案：在假设检验时原假设和备择假设如果设相反了,结果完全相反是因为统计中用的假设检验的方法,对于原...
原假设(null hypothesis) ：研究者想收集证据予以反对的假设。表示为H0
H0 ： = ，>= 或 <= 某一数值
例如, H0 ： = 10cm
备择假设(alternative hypothesis)：研究者想收集证据予以支持的假设。表示为H1
H1： ≠, 某一数值
例如, H1 ： ≠10cm, 10cm
在假设检验时原假设和备择假设如果设相反了，结果完全相反是因为统计中用的假设检验的方法，对于原假设得到的结论不是对与错两个结果，而是拒绝与接受。
因为在做假设检验的时候，都要设定一个置信水平，当实验者拒绝原假设的时候，实际上只是说有95%的把握说原假设错了，也就是说还是有可能是对的，不能逻辑上否定原假设。
比如说原假设H0是期望=2，如果拒绝H0， 那么意思是实验者有95%的把握说H0是错的，但是当实验者所谓接受H0的时候，指的并不是有95%的把握肯定期望就等于2，所以在假设检验时，原假设和备择假设如果设相反了，结果完全相反。
扩展资料：
假设检验注意事项：
1、假设检验应注意资料的可比性，保证比较组间的可比性是假设检验的前提，为了保证资料的可比性，必须要有严密的抽样设计。
2、用户要注意选用的假设检验方法的应用条件，资料性质不同，设计类型不同，样本含量大小不同，检验方法也不同。
3、结论不能绝对化。由于假设检验是根据抽得的样本资料对总体的某种特征作出判断，而样本只反映总体的部分特征，来推断总体的特征就不能有百分之百的把握，因此假设检验作出的判断有可能是错误的。
4、正确区分差别有无统计意义与有无专业上的实际意义，差别有统计意义只说明相应的总体均数有差别，不说明差别的大小。
5、用户要有严密的抽样研究设计，检验样本必须是从同质总体中随机抽取的，用户需要保证组间的均衡性和资料的可比性，可能影响结果的非处理因素在对比组间应尽可能相同或相近。
6、检验假设的推断结论为概率结论，检验水准人为规定是相对的，检验报告结论时应列出检验统计量和P值的确切范围。
7、注意是单侧检验还是双侧检验。
参考资料来源：百度百科-假设检验
参考资料来源：百度百科-原假设
参考资料来源：百度百科-备择假设
参考资料来源：百度百科-方法
之所以会出现这种情况，是因为在做假设检验的时候，当实验者“拒绝”原假设的时候，实际上我们只是说“我们有95%的把握”说原假设错了，也就是说，它还是有可能是对的，换而言之，我们不能逻辑上否定原假设。
所以在做假设检验时，我们应该注意到两点：一是我们的“拒绝”和“接受”原假设，不是逻辑上的对与错；二是我们“拒绝”原假设和“接受”原假设是完全不对等的，当我们拒绝原假设的时候，我们有95%的把握；但是当我们接受原假设的时候，我们一点把握都没有。
由此可知当我们选择原假设的时候，应该选择我们有比较大的把握否定它的一面。
扩展资料
检验假设的基本思想
假设检验的基本思想是小概率反证法思想。小概率思想是指小概率事件（P<0.01或P<0.05）在一次试验中基本上不会发生。反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认为假设不成立，若可能性大，则还不能认为假设不成立。
假设是否正确，要用从总体中抽出的样本进行检验，与此有关的理论和方法，构成假设检验的内容。
参考资料来源：百度百科-假设检验
在假设检验时原假设和备择假设如果设相反了，结果完全相反是因为统计中用的假设检验的方法,对于原假设得到的结论不是“对”与“错”两个结果,而是“拒绝”与“接受”。
因为在做假设检验的时候，都要设定一个置信水平，当实验者“拒绝”原假设的时候，实际上我们只是说“我们有95%的把握”说原假设错了，也就是说，它还是有可能是对的，换而言之，我们不能逻辑上否定原假设。
再来说“接受”原假设，准确一点来说应该是“不能拒绝”原假设，比如说原假设H0是：期望=2，如果“拒绝”H0， 那么意思是实验者有95%的把握说H0是错的，但是当实验者所谓“接受”H0的时候，指的并不是有95%的把握肯定期望就等于2。
所以在假设检验时，原假设和备择假设如果设相反了，结果完全相反。
扩展资料：
假设检验的基本步骤：
1、提出检验假设又称无效假设，符号是H0；备择假设的符号是H1。
H0：样本与总体或样本与样本间的差异是由抽样误差引起的；
H1：样本与总体或样本与样本间存在本质差异；
预先设定的检验水准为0.05；当检验假设为真，但被错误地拒绝的概率，记作α，通常取α=0.05或α=0.01。
2、选定统计方法，由样本观察值按相应的公式计算出统计量的大小，如X2值、t值等。根据资料的类型和特点，可分别选用Z检验，T检验，秩和检验和卡方检验等。
3、根据统计量的大小及其分布确定检验假设成立的可能性P的大小并判断结果。若P>α，结论为按α所取水准不显著，不拒绝H0，即认为差别很可能是由于抽样误差造成的，在统计上不成立；如果P≤α，结论为按所取α水准显著，拒绝H0，接受H1。
则认为此差别不大可能仅由抽样误差所致，很可能是实验因素不同造成的，故在统计上成立。P值的大小一般可通过查阅相应的界值表得到。
参考资料来源：百度百科-假设检验
这个问题是每个学到这一部分的学生都会感到困惑的问题。
设原假设为H0，备择假设为H1，置信水平为95%
H0与H1从逻辑上说本来是二择一的，非此即彼，对于原假设检验的结果逻辑上说只有两个，要么对的，要么错的，如果H0是对的，那么H1就必定错了，如果H0错了，那么H1就必定是对的，如此说来，随便把哪一个作为原假设应该都是一样的结果。但事实上，选择哪个作为原假设是有差别的，那么问题出在哪儿呢？
其实问题出在假设检验的结果上，统计中用的假设检验的方法，对于原假设得到的结论不是“对”与“错”两个结果，而是“拒绝”与“接受”，两者有什么差别吗？
一定要注意在做假设检验的时候，都要设定一个置信水平，当我们“拒绝”原假设的时候，实际上我们只是说“我们有95%的把握”说原假设错了，也就是说，它还是有可能是对的，换句话说，我们不能逻辑上否定原假设！
再来说“接受”原假设，这个“接受”两个字，害苦了几乎所有的学生，其实准确的说法应该是“不能拒绝”原假设，比如说原假设H0是：期望=2，如果“拒绝”H0， 那么意思是我们有95%的把握说H0是错的，但是当我们所谓“接受”H0的时候，我们并不是有95%的把握肯定期望就等于2，其实我们一点把握都没有，我们只是利用现有样本数据不能否定它是2而已，它完全可能是2.1，2.11,1.95.......等等等等。
综上我们注意到两点：一是我们的“拒绝”和“接受”原假设，不是逻辑上的对与错；二是我们“拒绝”原假设和“接受”原假设是完全不对等的，当我们拒绝原假设的时候，我们有95%的把握；但是当我们接受原假设的时候，我们一点把握都没有。由此可知当我们选择原假设的时候，应该选择我们有比较大的把握否定它的一面。
关于这个问题更精细的讨论要牵涉到置信区间的长度问题，需要画图，这里比较难弄，自己找资料看去吧。
是这样的，假设检验是倾向于保护原假设的。
比如说要推广一种新药，如果原假设是该药可靠，那只有很不可靠的时候才会拒绝。但若原假设是该药不可靠，只有很可靠的时候才会拒绝。在这个具体问题中，推广新药必须要很可靠才行，所以一般会把原假设定为该药不可靠。再说仔细一些，一般取置信区间为0.05，也就是说只有当原假设前提下5%的小概率事件发生时，才会拒绝原假设。具体的判别方法你再复习一下关于置信水平的知识，会有更深的理解。希望能帮到你
进行假设检验时,在其他条件不变的情况下,增加样本量,检验结论犯两类错误...
【答案】：A 样本量n不变的情况下，α和β的变化是此消彼长的;增大样本量可以同时减小α和β。
8.在假设检验中,a错误又称为显著性水平,I型错误,是指在接受虚无假设时所...
a错误就是在拒绝虚无假设时，错误地接受了虚无假设。这种错误类型通常发生在显著性水平设置过高或样本量过小的情况下。如果我们设置较高的显著性水平，就会增加犯I型错误的概率，而如果样本量太小，则可能无法检测到真实差异，从而错误地接受虚无假设。总之，a错误是假设检验中一种重要的错误类型，需要在...
显著性水平在什么时候用,什么时候不用?
1%、5%、10%显著，这是统计学中常见的三个显著水平。在研究中，我们常常需要判断一个结果是否具有显著性，也就是说，是否可以排除随机性的干扰，从而认为这个结果是真实存在的。当我们进行假设检验时，需要确定显著性水平。通常情况下，我们会选择1%、5%或10%这三个水平进行检验。这里的数字代表了我们所...
统计学上的一类错误是什么?
一类错误：又称Ⅰ型错误、拒真错误，是指拒绝了实际上成立的、正确的假设，为“弃真”的错误，其概率通常用α表示。假设检验是反证法的思想，依据样本统计量作出的统计推断，其推断结论并非绝对正确，结论有时也可能有错误，错误分为两类。第二类错误：是指在进行假设检验时，原假设不正确，然而未能拒绝...
假设检验中什么时候用P值,什么时候用z得分?
计算统计量后需要自己去查表，查临界值，看统计量与临界量的大小关系。主要在查表这个环节比较麻烦。而是由p-value的话，只要确定一个置信水平就可以了，比如你定为5%，那么p-value只要小于它就通过检验，不需要查表。你觉得哪种方便？看统计量和p-value只要一个就可以了，相互之间可以互推。
在假设检验时,事先给定的容许犯第一类错误的概率上限叫什么?
显著性水平α
(多选)在假设检验中,接受原假设时,可能( )错误。A犯第一类。B犯第二类...
谢邀。显著性水平0.05，代表原假设成立时，100次抽样有95次接受原假设，有5次错误否定原假设。显著性水平0.01代表原假设成立时，100次抽样有99次接受原假设，有1次错误否定原假设。也就是说，原假设成立时，显著性水平越小，接受原假设的比率(真阴性率)越高。备择假设成立时，显著性水平越小，意味...
在假设检验中,第一类错误是指
在假设检验中，第一类错误是指：当原假设正确时拒绝原假设。假设检验（hypothesis testing），又称统计假设检验，是用来判断样本与样本、样本与总体的差异是由抽样误差引起还是本质差别造成的统计推断方法。显著性检验是假设检验中最常用的一种方法，也是一种最基本的统计推断形式，其基本原理是先对总体的特征...
进行假设检验时,对于原假设H0和备择假设H1,检验概率值P值( )。_百度...
如果P值小于或等于α，说明在原假设为真时发生了一个出现概率比事先给定的小概率更小的小概率事件，而如果原假设为真，这是不可能发生的事件，由此可以认定原假设不真，就拒绝原假设。如果P值大于α，说明目前的证据不足以否定原假设。
在假设检验中的第一类错误是指什么?
这是因为在进行假设检验时，设置更严格的显著性水平（较小的α）会导致更多拒绝虚无假设，从而降低Ⅰ类错误的概率，同时也增加了接受虚无假设的风险，导致Ⅱ类错误的概率增加。α和β之和不一定等于1：在一般情况下，α和β之和不一定等于1。这是因为在假设检验中，可以通过控制α和β的取值来调整两类...
大狐诗碳酸：[答案] 这个问题是每个学到这一部分的学生都会感到困惑的问题. 设原假设为H0,备择假设为H1,置信水平为95% H0与H1从逻辑上说本来是二择一的,非此即彼,对于原假设检验的结果逻辑上说只有两个,要么对的,要么错的,如果H...
万安县13190859603： 为什么在假设检验时,原假设和备择假设如果设相反了,结果完全相反?? - ？
大狐诗碳酸： 这个问题是每个学到这一部分的学生都会感到困惑的问题. 设原假设为H0,备择假设为H1,置信水平为95% H0与H1从逻辑上说本来是二择一的,非此即彼,对于原假设检验的结果逻辑上说只有两个,要么对的,要么错的,如果H0是对的,那...
万安县13190859603： 如何看待假设检验中的两类错误及其关系 - ？
大狐诗碳酸： 假设检验及其两类错误是数理统计学中的名词.在进行假设检验时提出原假设和备择假设,原假设实际上是正确的,但我们做出的决定是拒绝原假设,此类错误称为第一类错误.原假设实际上是不正确的,但是我们却做出了接受原假设的决定,此类错误称为第二类错误.
万安县13190859603： 统计中的问题,关于两类错误.为什么在实际中第一类错误比第二类错误更严重? - ？
大狐诗碳酸：[答案] 显著性检验中的第一类错误是指:原假设事实上正确,可是检验统计量的观测值却落入拒绝域,因而否定了本来正确的假设.这是弃真的错误.发生第一类错误的概率在双侧检验时是两个尾部的拒绝域面积之和;在单侧检验时是单侧拒绝域的面积. \x09...
万安县13190859603： 假设检验是如何进行的? ？
大狐诗碳酸： 假设检验最重要的是确定何为原假设,何为备择假设.一般选择普遍为大家接受的结果为原假设,这样都能推翻他才说明备择假设是可靠的.比如三聚氰胺事件刚出现时,原假设为牛奶没问题,因为都经过检验了,一旦推翻才更可信.
万安县13190859603： 什么是检验的原假设和备选假设?一般选择什么统计量进行检验 - ？
大狐诗碳酸： 单侧检验原假设的选择疑问 就以往的概括性理论而言,在单侧检验中一般将研究者想收集证据予以支持的假设作为备择假设h1.这就是说一个研究者想证明自己的研究结论是正确的,备择假设的方向就要与想要证明其正确性的方向一致;同时...
万安县13190859603： 统计假设检验的一般步骤是什么 - ？
大狐诗碳酸：[答案] 假设检验的一般步骤 假设检验的一般步骤: (一)根据所研究问题的要求,提出原假设 和备择假设 . 有三种类型的原假设和备择假设,以总体均值的假设检验为例加以说明. 1.:; : 2.:; : 3.:; : 其中,1.是双侧假设检验;2.是右侧假设检验;...
万安县13190859603： 什么是零假设和备择假设 - ？
大狐诗碳酸： 零假设:又叫原假设,指进行统计检验时预先建立的假设.零假设成立时,有关统计量应服从已知的某种概率分布.当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. 备择假设就是和原假设相反的假设
万安县13190859603： 在假设检验中,H0为原假设,H1为备择假设,犯第二类错误的情况为: - ？
大狐诗碳酸：[答案] H0是不真实,但仍接受了原假设. 原因是:统计假设检验是通过比较检验统计量的样本数值,作出决策.统计量是随机变量,据之所作的判断不可能保证百分之百的正确.简单地说就是:抽到的样本正好证明H0是真实的.
