完整定義
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。
白話說明
你有沒有遇過,想知道一個改版到底有沒有真的變好?
你可以把假設檢定想成用樣本資料來判斷主張站不站得住腳。
它不是單純看平均值高低,而是把抽到這些結果是不是太不尋常也一起算進來。
記住這句
用樣本證據,判斷主張站不站得住腳。
比喻:假設檢定就像法庭上判斷被告是否有罪 -- 我們先「假設」被告無罪,然後檢視所有證據。如果證據足夠強烈,足以推翻無罪的假設,我們才會判定被告有罪。統計學上,就是看樣本數據有沒有足夠證據推翻「虛無假設」。
容易混淆
假設檢定 vs 信賴區間
假設檢定是在判斷主張能不能被推翻
信賴區間是在估計可能範圍
最關鍵的區別是做判斷,還是估範圍
假設檢定 vs 描述統計
描述統計只是整理資料
假設檢定是在做推論和決策
最關鍵的區別是看現況,還是推論母體
實際案例
A/B 測試
你想知道新版按鈕是否真的提升轉換率,就可以用假設檢定來判斷差異是否顯著。
新藥效果
醫療研究常用假設檢定判斷新藥效果是不是只是運氣好。
演算法與應用
流程通常是先設虛無假設,再看 p 值和顯著水準。
結果不是只有「有差」或「沒差」,還要看樣本量、效應大小和情境。
情境判斷
Q1: 你想知道新版介面到底有沒有提升點擊率,會用什麼方法?
很典型的假設檢定情境。
Q2: p 值小是不是就代表效果一定大?
不一定,p 值只是看顯著性,效果大小還要另外看。
iPAS 考題
出題方向:常以案例題考虛無假設、p 值解讀、以及適合的檢定方法。
題目: 某公司想判斷改版後轉換率是否真的提升,最適合用什麼概念?
答案: 假設檢定。它可以用樣本資料判斷觀察到的差異是否具有統計顯著性。
常見問題
它是先假設「沒有差異」或「沒有影響」的起點。
通常代表越不容易在虛無假設下觀察到這樣的結果,但仍要看情境。
不能,它主要是判斷差異是否顯著,不是自動證明因果。
常見寫法分五步。第一步寫出虛無假設 H0 與對立假設 H1,第二步決定顯著水準 α,例如 0.05,第三步選擇檢定方法並計算檢定統計量,第四步求出 p 值或查臨界值,第五步若 p 值小於 α 就拒絕 H0,否則不拒絕 H0,再用白話解釋結論。
最常見的是單一樣本 z 檢定 z = (x̄ - μ0) / (σ / √n),母體標準差未知時改用 t = (x̄ - μ0) / (s / √n),自由度為 n - 1。類別資料的獨立性常用卡方檢定 χ² = Σ (O - E)² / E,O 是觀察次數,E 是期望次數。
出現在這些考古題
官方公告試題的逐題解析裡,有 7 題把假設檢定列為延伸術語,這裡列出 5 題。
立即測驗
想測試你對 假設檢定 的掌握程度?用考古題作答
相關術語
- Z 分數Z-score很多統計檢定都會碰到標準化觀念
- 準確率Accuracy分類情境常會一起被拿來比較
- 精確率Precision在資料不平衡時常要搭配看
- 召回率Recall和精確率一起理解,判斷才完整
- 交叉驗證Cross-Validation雖然不是檢定本身,但常用來做模型評估
- 偏差Bias
- 卡方檢定Chi-squared Test
- A/B測試A/B Testing
- 描述性統計Descriptive Statistics
本頁內容有提到,或屬於同一組主題的術語
來源
參考來源:ipd.nat.gov.tw
考試範圍:iPAS AI 應用規劃師評鑑內容範圍參考(115.02 更新),經濟部產業人才能力鑑定,實際考試內容以官方公告為準。
其他格式:Markdown 版本