# 假設檢定（Hypothesis Testing）

假設檢定是一種統計方法，透過樣本數據評估關於母體的假設是否成立，藉由計算機率值判斷證據強度，進而做出決策。

## 完整說明

假設檢定是統計推論中的核心方法，用於檢驗關於母體的特定假設是否合理。其背景在於現實世界中，我們往往無法直接觀察整個母體，只能透過抽樣獲得樣本數據。假設檢定的核心概念是設定虛無假設（Null Hypothesis）和對立假設（Alternative Hypothesis），然後根據樣本數據計算檢定統計量，並計算出p值（p-value）。p值代表在虛無假設成立的前提下，觀察到目前樣本數據或更極端數據的機率。

若p值小於預先設定的顯著水準（通常為0.05），則拒絕虛無假設，接受對立假設；反之，若p值大於顯著水準，則不拒絕虛無假設。值得注意的是，不拒絕虛無假設並不代表虛無假設一定正確，而是表示目前沒有足夠的證據推翻它。

在iPAS考試中，假設檢定是評估數據分析能力的重要一環，考生需要理解不同類型的假設檢定（如t檢定、卡方檢定等）的適用條件、計算方法和結果解釋，並能應用於實際案例分析。掌握假設檢定有助於從數據中提取有意義的結論，並做出明智的決策。

## iPAS 考試出題分析

平均佔 AI 技術類考題 8%，屬於高頻考範圍。

常見出題方向：
- 假設檢定步驟與方法（佔 45%）
- 統計推論的應用（佔 35%）
- 顯著性水準的判斷（佔 20%）

## 常見問題

### 什麼是假設檢定？

假設檢定是一種統計方法，用於驗證關於母體參數的假設是否成立。它透過分析樣本數據，評估觀察到的結果是否與假設相符，並根據統計顯著性做出判斷，進而決定是否拒絕虛無假設。

### 假設檢定在 iPAS 考試中怎麼考？

iPAS 考試中，假設檢定常以案例分析形式出現，要求考生選擇合適的檢定方法、設定虛無假設和對立假設、計算 p 值並進行結果解釋。考試重點包括 t 檢定、卡方檢定等不同檢定的應用場景（L22103）。

### 假設檢定和哪個術語最常被混淆？

假設檢定最常與信賴區間混淆。假設檢定用於驗證假設，判斷某個效應是否存在；而信賴區間則用於估計母體參數的可能範圍，提供一個數值區間，兩者目的不同，但都基於統計推論。

---

來源：https://aiterms.tw/terms/hypothesis-testing
快查頁：https://aiterms.tw/terms/hypothesis-testing
深度解說：https://aiterms.tw/learning/what-is-hypothesis-testing