---
title: "假設檢定（Hypothesis Testing）"
slug: hypothesis-testing
language: zh-TW
source: https://aiterms.tw/terms/hypothesis-testing
updated_at: 2026-04-29
tags: [假設檢定, Hypothesis Testing, 統計推論, p值, L22103, 中級]
ipas_term: true
---

# 假設檢定（Hypothesis Testing）

> **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。
>
> 你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。

### 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
>
### 記住這句就好

> 用樣本證據，判斷主張站不站得住腳。

### 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。
>
### 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

> **Q：什麼是虛無假設？**
> 它是先假設「沒有差異」或「沒有影響」的起點。
>
> **Q：p 值越小越好嗎？**
> 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。
>
> **Q：假設檢定能告訴我因果嗎？**
> 不能，它主要是判斷差異是否顯著，不是自動證明因果。
>
### 相關術語

> - **Z 分數**：很多統計檢定都會碰到標準化觀念
> - **準確率**：分類情境常會一起被拿來比較
> - **精確率**：在資料不平衡時常要搭配看
> - **召回率**：和精確率一起理解，判斷才完整
> - **交叉驗證**：雖然不是檢定本身，但常用來做模型評估

---

來源：https://aiterms.tw/terms/hypothesis-testing
快查頁：https://aiterms.tw/terms/hypothesis-testing
外部參考：https://ipd.nat.gov.tw/ipas/certification/AIAP/news/ffdba0fcdbda40baadeef2a1bdc0230e
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-hypothesis-testing