여기에 좋은 대답이 있지만 핵심 문제는 어디에서나 명시 적으로 언급되지 않았습니다. 요컨대, 귀무 가설과 대립 가설의 구성이 유효하지 않습니다. 귀무 가설과 대립 가설은 상호 배타적 이어야합니다 (즉, 둘 다 참일 수는 없음). 당신의 공식은 그 기준을 충족시킵니다. 그러나 이들은 또한 전체적으로 철저 해야합니다 (즉, 그 중 하나는 사실이어야 함). 귀하의 공식이이 기준을 충족하지 않습니다.

약물이 당뇨병을 치료할 확률이 일 것이라는 귀무 가설과 약물이 당뇨병을 치료할 가능성이 가설을 가질 수는 없습니다 . 약물이 당뇨병을 치료할 확률이 라면 귀무 가설과 대립 가설이 모두 틀렸다고 상상해보십시오 . 그게 당신의 문제입니다. 0%

0%

100%

100%

50%

50%

프로토 타입 귀무 가설은 포인트 값입니다 (예 : 실수 라인 에서 , 또는 확률을 언급 할 때 가장 자주 이지만 이는 단지 규칙 임). 또한 경계 매개 변수 공간으로 작업중인 경우 (여기서 확률은 이내 여야 함 ) 일반적으로 한계 (예 : 또는 에있는 값을 테스트하는 것이 문제가됩니다. ). 포인트 값을 널 (거부하려는 값)로 선택한 경우, 이에 대한 증거는 얻을 수 있지만 데이터에서 증거 를 얻을 수는 없습니다 (@John의 통찰력있는 답변 참조 ). 이것을 더 이해하려면 여기에서 내 대답을 읽는 것이 도움이 될 수 있습니다.0

0

50%

50%

[0, 1]

[0, 1]

0

0

1

1

통계 학자들은 왜 귀무 가설을 받아들이는 것과는 달리 중요하지 않은 결과가 귀무를 거부 할 수 없다는 것을 의미한다고 말합니까? 귀신이 (따라서 당신의 대안 가설이 ) 인 경우에도 그 아이디어를 상황에보다 구체적으로 적용 하기 위해 단일 환자없이 명의 환자에게 약물을 사용해 보았습니다 완치되면 귀무 가설을 받아 들일 수 없습니다. 데이터는 여전히 확률이 가능성과 일치합니다 ( 실패가없는 경우 실패 확률을 말하는 방법? ). 0%

0%

π≠0

π≠0

100,000

100,000

0.00003

0.00003

다른 한편으로는, 당신은하지 않습니다 이 점에 널 (null)을 가지고. 예를 들어 단측 (즉, ) 귀무 가설은 점수가 아닙니다. 그들은 무한 점의 집합입니다. 마찬가지로 범위 / 간격 가설을 가질 수도 있습니다 (예 : 매개 변수가 ). 이 경우 증거에 따라 널 (null)을 승인 할 수 있습니다. 이것이 동등성 테스트의 핵심입니다. (물론 여전히 유형 I 오류가 발생할 수 있습니다.) <θ0

<θ0

[a, b]

[a, b]

---

답변