什么是原假设？
原假设构成 一 表明分析的观察结果不存在统计显着性的统计命题。它应用于假设检验，使用从样本中获得的数据来确定假设的合理性。通常称为“空”，用H0表示。
该猜想常用于定量分析，检验与市场、投资策略和经济模型有关的理论，目的是验证某些假设的准确性。
原假设如何发挥作用？
原假设代表统计学中的一种假设，假设总体或数据生成过程的特定特征之间不存在显着差异。
例如，投注者可能想要检查游戏是否公平。如果游戏是公平的，那么每个参与者的预期奖金应该为零。否则，一个玩家的预期收益将为正，而另一玩家的预期收益将为负。为了确定游戏的公平性，投注者收集多轮数据，计算平均奖金，并测试预期奖金等于零的原假设。
如果样本平均收入与零显着不同，投注者将拒绝原假设，接受预期收入与零不同的备择假设。如果平均收入接近零，投注者将维持零假设，将观察到的差异归因于机会。
原假设假设数据中观察到的差异是随机变化的结果。例如，如果实际收入为零，则平均收入与零的任何偏差都是由于机会造成的。
分析师试图反驳零假设，因为它表明了强有力的证据。这需要令人信服的证据，例如观察到的差异太大而不能归因于偶然。未能拒绝零假设表明结论较弱，允许超出偶然因素影响结果，尽管统计检验未检测到这些因素，因为它们不够强大。
另类假设
值得注意的是，进行原假设检验是因为其有效性存在不确定性。在制定备择假设 (H1) 时，会考虑与原假设相矛盾的任何数据。
例如，上述案例的替代假设是：
- 学生们的平均分是七。
- 共同基金的平均年回报率不等于每年 8%。
因此，备择假设直接反驳原假设。
原假设的示例
考虑以下案例：一家教育机构的负责人声称学生的平均成绩是十分之七。制定的零假设是学生群体的平均值为 7,0。为了验证这一命题，可以记录 30 名学生中的 300 名学生的成绩，并计算这些收集数据的平均值。
然后，将从样本中获得的平均值与假设总体平均值 7,0 进行比较，以评估拒绝原假设的可能性。需要强调的是，在这种情况下，原假设（总体平均值为 7,0）不能直接被样本数据证实，只能被拒绝。
在另一种情况下，假设特定共同基金的年回报率为 8%。假设这个基金已经运作了二十年。这里，零假设是平均年回报率为 8%。可以检查五年内年度回报的随机样本来计算样本平均值。然后将该平均值与规定的 8% 平均回报率进行比较，以检验原假设。
在这些示例中，原假设是：
- 示例 A：学生在考试中平均取得了十分之七的成绩。
- 示例B：该基金的平均年回报率为8%。
为了确定拒绝零假设的可行性，首先假设为计算的统计量建立一个可能值的可能范围。例如，考虑到总体平均值为 6,2，可接受平均值的范围可以从 7,8 到 7,0 变化。如果样本均值超出此范围，则拒绝原假设。否则，这种变化被认为只能由偶然来解释。
如何在投资中使用零假设检验
以爱丽丝的假设为例，与购买和持有股票相比，她的投资策略获得了更高的平均回报。这里的零假设是两种方法的平均回报之间没有差异。爱丽丝坚持这一信念，直到相反的证据足够充分。
为了反驳零假设，有必要证明统计显着性，这可以通过多次检验来实现。另一种假设表明，爱丽丝的投资策略比传统的买入并持有策略提供更高的平均回报。
该分析中的一个关键因素是 p 值，它表明观察到的差异仅是偶然结果的概率。 p 值为 0,05 或更低通常表明有足够的证据反对原假设。
如果 Alice 应用其中一项统计测试（例如基于正态模型的测试），并获得一个 p 值，该值表明她的回报与买入并持有策略的回报之间存在显着差异，那么她可以拒绝原假设并采用备择假设。
结论
理解和应用零假设和替代假设是包括金融在内的多个领域的统计研究的基础。原假设作为统计检验的起点，提供了一个标准假设，即给定的数据集没有影响或没有显着差异。另一方面，备择假设提供了相反的观点，通过严格的分析来验证或反驳。
检验这些假设的过程是细致的，需要仔细的计划、精确的执行和对结果的仔细解释。这种方法不仅消除了对理论或策略有效性的怀疑，而且还推动了明智的、基于证据的决策，特别是在金融等决策可能产生重大影响的领域。
常问问题
如何识别原假设？
当分析师或研究人员根据他或她希望调查的问题或研究问题定义初始假设时，就会识别原假设。零假设的性质因所分析的具体问题而异。例如，如果问题调查是否存在某种效应（例如，X 是否影响 Y？），原假设将为 H0：表明 X 对 Y 的影响为正，则 H0 将为 X > 0。 拒绝如果分析结果显示非零的统计显着效应，则出现原假设。
零假设在金融中如何使用？
在金融领域，零假设经常应用于定量分析中，以评估投资策略、市场行为或经济表现的有效性。一个实际的例子是，分析师试图确定 ABC 和 XYZ 两家公司的股票之间是否存在显着相关性。这种情况下的零假设可以表述为 ABC ≠ XYZ。
如何检验统计假设？
统计假设检验涉及分四个步骤的结构化过程。最初，分析师提出两种假设，以便只有一种假设为真。第二阶段包括准备详细说明数据评估方法的分析计划。接下来是计划的执行和样本数据的有效分析。最后阶段包括对结果的解释，其中可以选择拒绝零假设或得出结论：观察到的差异可以偶然证明是合理的。
什么是备择假设？
备择假设代表与原假设的直接矛盾。本质上，如果其中一个假设被证明是正确的，另一个假设将自动被认为是错误的。这种相反的定位有助于统计分析，为最初检验的假设提供清晰的对照。
