零假设和备择假设有9个不同点

零假设定义

无效假设是一种笼统的说法，它表明所考虑的两个现象之间没有关系，或者两个群体之间没有关联。

一般来说，假设是尚未以足够的证据证明的假设。因此，零假设是研究人员试图反驳的假设。
空假设是能够被客观验证，测试，甚至拒绝了假设。
如果一个研究是比较方法a和方法B的关系，如果研究之前假设两种方法都是一样好的，那么这个假设被称为零假设。
零假设应始终是一个特定的假设，即，它不应该说明大约或近似一定值。

零假设的象征

零假设的符号是H_0，它被读为H-NULL，H-ZERO或H-N-naught。
零假设通常只关联“等于”符号作为零假设可以被接受或拒绝。

零假设的目的

一个零假设的主要目的是验证/反证所提出的统计假设。
一些科学的无效假设有助于理论的发展。
零假设也被用来验证的多次实验的结果一致。对于例如，零假设，指出存在的一些患者用药与年龄没有关系，支持通用有效性的结论，并允许建议。

零假设原则

零假设的原理是收集数据并且确定所收集的数据的可能性的随机样本的研究，证明了零假设为真。
在所收集数据未完成空缺假设期望的情况或研究中，得出结论，数据没有提供足够或可靠的证据来支持零假设，因此拒绝。
收集的数据通过一些统计工具进行检验，该工具旨在衡量数据与原假设的偏离程度。
该过程决定了从统计工具获得的观察到的偏离是否大于定义值，使得在零假设下的高偏离值的发生概率非常小。
然而，一些数据可能不会与零假设相矛盾，这解释了只能做出一个弱的结论，数据不能提供强有力的证据反对零假设，零假设可能是真的，也可能不是。
在某些其它条件下，如果所收集的数据是足够的，能够提供足够的证据的，零假设可以被认为是有效的，表示所述现象之间没有任何关系。

什么时候拒绝无效假设?

当数据的p值小于测试的显著水平，零假设被拒绝，表明测试结果是显著。
但是，如果p值高于显着值，则不拒绝NULL假设，并且结果被认为不显着。
显着性水平，同时假设检验的一个重要概念，因为它决定时拒绝零假设H的百分比风险₀可能是真的。
换句话说，如果我们采取显着性水平为5％，这意味着研究者愿意采取尽可能拒绝零假设的5％的风险时，它（H₀)碰巧是真的。
零假设不能被接受，因为缺乏证据意味着这种关系没有被证明。它并不能证明某些东西不存在，但这只是意味着没有足够的证据碎片，这项研究可能错过了它。

null假设例子

以下是一些零假设的例子:

如果假设是“特定药品的消耗减少心脏骤停的机会”，零假设将“药品的消费不会减少心脏骤停的机会。”
如果假设是这样的，“如果随机收集男性和女性的测试分数，一组的分数是否不同于另一组?”“一个可能的无效假设是男性的平均测试分数与女性相同。

H₀:µ₁=μ.₂

H₀=零假设
µ₁=男性平均分数
µ₂=女性的平均分数

备择假设定义

另一种假设是描述在研究中选择的两个变量之间存在关系的陈述。

替代假设通常用于说明新的理论对旧的（零假设）是优选的。
该假设可以简单地称为零假设的替代方案。
另一种假设是，要证明这一假设表明，研究的结果是显著和样品的观察是不是刚从机会，但来自一些非随机导致结果。
如果研究是方法的比较他们之间的关系方法B和我们假设方法的优越或方法B是劣，那么这样的语句称为替代假说。
替代假说，应明确说明，考虑到研究问题的性质。

替代假设符号

替代假设的象征是h₁或H_一个而使用小于号、大于号或不等于号。

备择假设的目的

另一种假说为研究人员提供了一些具体的重申和澄清的研究问题。
另一种假设为研究提供了方向，研究者可以利用这个方向来获得期望的结果。
由于替代假设是在进行研究之前选择的，它允许检验证明研究是有证据支持的，将其与研究人员的愿望和价值观分开。
替代假设提供了发现可以反驳可能不受证据支持的新理论的机会。
替代假设是重要的，因为它们证明了所选的两个变量之间存在关系，并且进行的研究结果是相关的和重要的。

备择假设原则

备择假设的原理与零假设相似。
替代假设是基于该概念，当从随机样本数据收集充分证据时，它为证明研究人员关于研究的假设提供了基础。
就像在零假设，从随机样本收集的数据通过统计工具通过了措施，从零假设数据偏离的程度。
如果偏离在选定的显著性水平下很小，则接受备择假设，拒绝零假设。
如果收集的数据不属于随机样本的研究，而是由研究样本内的关系决定的，另一种假设成立。

备择假设的例子

以下是另一种假设的一些例子：

1.如果研究者假设一座桥梁的承载力大于10吨，那么本研究的假设为:

零假设H₀：μ= 10吨
替代假设H_一个：μ> 10吨

2.在另一个试图测试医学对心脏逮捕的有效性之间存在显着差异的一项研究，替代假设将是药物和心脏骤停的机会之间存在关系。

零假设VS另类假说

比较的基础	零假设	备择假设
定义	无效假设是一种笼统的说法，它表明所考虑的两个现象之间没有关系，或者两个群体之间没有关联。	另一种假设是描述在研究中选择的两个变量之间存在关系的陈述。
象征	用H表示₀．	用H表示₁或H_一个．
数学公式	后面跟着'等于'号。	它之后不等于'小于'或'大于'签名。
观察	零假设认为，由于机会的结果，观察结果。	另一种假设认为，结果观察到一些真正原因的结果。
自然	这是研究人员试图推翻的假说。	这是研究人员试图证明一个假设。
结果	NULL假设的结果表明意见或行为没有变化。	另一种假设的结果会导致观点和行为的改变。
意义的数据	如果零假设被接受，研究的结果变得微不足道。	如果接受另一种假设，研究结果就变得重要。
验收	如果p值大于显着性水平越高，零假设被接受。	如果p值小于显着性水平更小，另一种假设被接受。
重要性	零假设允许正确的现有理论的接受和多个实验的一致性。	可选假设是重要的，因为它建立了两个变量之间的关系，导致新的改进理论。

参考

R. Kothari（1990）研究方法。Vishwa Prakasan。印度。
https://www.statisticssolutions.com/null-hypothesis-and-alternative-hypothesis/
https://byjus.com/maths/null-hypothesis/
https://en.wikipedia.org/wiki/null_hypothesis.
https://www.statisticssolutions.com/null-hypothesis-and-alternative-hypothesis/
https://keydifferences.com/difference-between-null-and-alterternative-hypothesis.html.

来源

5%,https://en.wikipedia.org/wiki/null_hypothesis.
3％ - https://keydifferences.com/difference-between-null-and-alternative-hypothesis.html
2％ - https://byjus.com/maths/null-hypothesis/
1％ - https://www.wisdomjobs.com/e-university/research-methodology-tutorial-355/procedure-for-hypothesis-testing-11525.html
1％ - https://www.thoughco.com/definition-of-null-hypothesis-and-examples-605436
1％ - https://www.quora.com/what-are-the-different-types-of-hypothesis-and-what-are-some-examples-them
1％ - https://www.dummies.com/education/math/statistics/what-a-p-value-tells-you-about-statistical-data/
1%——https://www.coursehero.com/file/p7jfbal5/These-are-hypotheses-capable-of-being-objectively-verified-and-tested-Thus-we/
1％ - https://support.minitab.com/en-us/minitab/18/help-and-how-to/modeling-statistics/anova/how-to/one-way-anova/interpret-the-results/全统计的和图形/方法/
1％ - https://stats.stackexchange.com/questions/105319/test-whether-there-is-a-significant-difference-between-two-groups
1%——https://statisticsbyjim.com/hypothesis-testing/failing-reject-null-hypothesis/
1％ -https://quizlet.com/45299306/statistics-flash-cards/
<——https://www.thoughtco.com/significance——水平——1%——假设——测试——1147177
< 1%——https://www.thoughtco.com/null——假设——vs -替代假说- 3126413
<1％ - https://www.sagepub.com/sites/default/files/upm-binaries/40007_chapter8.pdf
<1％ - https://www.differencebetween.com/difference-between-hypothesis-and-vs-assumption/
<1％ - https://www.courshero.com/file/18076181/ intiintuction-to-hypothesis/
< 1%, https://statisticsbyjim.com/glossary/significance-level/
<1％ - https://quizlet.com/164755799/research-methods-midterm-2-flash-cards/
<1％ - https://online.stat.psu.edu/statprogram/reviews/statistical-concepts/hypothesis-testing/p-value-approach

还读......