淺談統計假設與檢定
文章出處: 易騰企管電子報2011年12月號
眾所週知，進行統計假設檢定時必須設定虛無假設H0(Null Hypothesis)以及對立假設H1 (Alternative Hypothesis)。但是很多人會擔心設定錯誤誤導了結論。
為了避免設定錯誤，第一個注意事項是等號要設定在H0. 例如=,≦,≧。相對的H1就不會有等號。另一個原則是H0是現況或管理者想要推翻的狀況，若不能推翻H0則以接受H0做為結論，然而這個結論也不一定是不好的。
●以下用幾個簡單的例子說明假設檢定的功能:
1.想要瞭解製程是否被改變(雙向)：如果要檢定製程特性經過調整後是否被改變，
此時虛無假設會設定沒有改變，對立假設為被改變了。例如 H0: μ=10mm，
H1: μ≠10mm。若推翻了H0，表示製程平均被改變了。
2.想要瞭解製程是否有改善或改變(單向)：如果要檢定製程是否有改善(往好的方向)，
此時H0會設定沒有改善，H1會設定為有改善，例如不良率p降低的改善方案，
檢定時設定H0: p=10%； H1: p<10%。若接受H0,則製程改善不顯著。
3.想要了解是否為顯著的因子：如果要檢定製程參數溫度是否為產品特性厚度的顯著
影響因子? 若設定溫度有兩個水準，得到厚度平均值μ1與μ2，此時設定方式
H0:μ1-μ2=0；H1: μ1-μ2≠0，若H0成立表示厚度受到該溫度水準的影響不顯著。
反之，則可認定溫度為顯著因子。
假設檢定常用的判斷有臨界值與P值法，以臨界值法來說，當|統計量|>|臨界值| 則拒絕
H0，接受H1；也就是當H0成立時，統計量應該不太會跑到臨界值以外，也就是機率(α)很小，如果真的跑出去了，則表示該拒絕H0。因此，α也是H0為真而拒絕H0的機率(冒險率)。
上述的α為顯著水準，通常設定為5%或1%， 均為很小的機率。
前一個
