从t检验到回归分析，甚至是DOE中，大家都可以看到P值的身影。P值对于很多朋友来说，可以说是又爱又恨。而在我看来，要想准确地使用P值，我们首先要理解两个概念：原假设和备择假设。

P值与原假设

利用Minitab软件得到P值很方便，获得P值以后我们更多的是把它拿来与显著性水平α（一般为0.05）比较。

从上表中大家会发现，拒绝和不拒绝的对象始终是原假设，那么如果我在一次假设检验中把原假设和备择假设弄反了或者是弄错了，那么你得到的统计显著或不显著的结论还有意义吗？所以，在本篇文章中我将继续带领大家来学习P值，只不过是从原假设和备假设方面来做阐述。

原假设和备择假设

原假设和备择假设是互斥的总体声明。

• 原假设 (H0)

原假设声明总体参数（如均值、标准差等）等于假设值。原假设通常是基于先前的分析或专业知识做出的初始声明。

• 备择假设 (H1)

备择假设声明总体参数小于、大于或不同于原假设中的假设值。备择假设是您认为可能是真或者希望证明是真的内容。

这两个概念听起来很饶人，我打算用个故事来讲讲。

1949年，有部美国电影叫《A Connecticut Yankee in King Arthur's Court》其主题曲有部分内容如下：

We're busy doing nothing
Working the whole day through
Trying' to find lots of things not to do

用这首歌的内容来描述原假设非常容易理解：

原假设: 总是 “Busy Doing Nothing”

在进行数据分析之前，甚至在收集数据之前，我们需要定义我们将要回答的问题是什么。一旦有了这些，我们就可以定义原假设和备择假设了。

原假设总是“跟当前状态一致，没有发生变化”，因此就是“忙着什么都没做”

当原假设出现的概率很低，我们拒绝原假设时，我们就需要采取一些措施，就不再是“什么都不做”。

让我们再通过一些例子来理解一下：

“Busy Doing Nothing”你学会了吗？

小结

准确的给出原假设和备择假设，假设检验相当于成功了一半。当然根据实际情况不同，备择假设还有三种不同的形式。另外对于原假设和备择假设的确立，我们也会用到很多有用的确立原则。