在研究过程中，假设是一个重要的概念。它是研究的基础，也是研究者进行实验和收

集数据的指导原则。那么什么是假设呢？
什么是假设？
假设是研究者对研究问题的解释或预测。它是对研究对象或现象的一种假定，可以
通过实验和数据来验证。在研究中，假设通常是基于已有的理论或研究结果，可以被
证实或否定。
为什么需要假设？
假设是研究的起点，它可以帮助研究者明确研究的目的和方向。通过假设，研究者可
以提出研究问题，并设计相应的实验和研究方法。同时，假设也可以帮助研究者预测
研究结果，从而更好地解释研究现象。
如何构建假设？
构建假设需要研究者具备一定的理论基础和研究经验。研究者可以从已有的理论和
研究结果中提取相关信息，然后根据研究问题和目的来构建假设。在构建假设时，需
要注意假设应该具有可验证性和明确性，同时也要考虑到研究的可行性。
验证假设的重要性
通过验证假设，研究者可以得出结论，从而回答研究问题。如果假设被证实，那么研
究者可以进一步探究研究对象或现象的特点和规律。如果假设被否定，那么研究者
可以重新审视研究问题和假设，进一步完善研究设计。
综上所述，假设在研究中起着至关重要的作用。它是研究的基础，也是研究者进行实
验和收集数据的指导原则。如果您需要帮助构建假设或进行研究，我们推荐您访问
HelpWriting.net网站。在这里，您可以找到专业的研究团队，为您提供高质量的研究
服务。感谢您的阅读，祝您研究顺利！
本案例是检验单个样本平均值是否等于目标值，所以是检验类型是单样本检验。 凡
来源标注“ 考而思”均为考而思原创文章，版权均属考而思教育所以，任何媒体、网站
或个人不得转载，否则追究法律责任。 得到区间[7.22,7.77]，在总体标准差未知的情
况下，可以通过样本均值7.5和标准差2计算总体均值有95% 的概率落在7.22～7.77之间。
We hypothesise that the daily intake of fish oil capsules has no effect on immunity to influenza in
children.（我们假设，每天摄入鱼油胶囊不影响儿童对流感病毒的免疫力。）取置信水平
为95%，查t 表格得到自由度df=23时的 t=2.069。 不同的样本量和总体方差使用的检验方
法不同，下图是不同情况下使用的检验方法。样本是否大于小于30是因为中心极限
定理，在大样本量，且总体方差未知时，使用t 检验还是z检验均可，因为t分布近似于z分布
。我们使用z检验做双样本均值。 回到最开始的案例，当通过调研发现用户对产品评
分下降了，接下来得讨论怎么做。产品经理们说：用户都傻兮兮的，它们对产品改版
无法作出有效的判断，所以打分不算数，应该用一套更好的判断方法。x拔作为概率分
布，也非为正态分布和非正态分布。根据统计学中的中心极限定理，当样本数足够时
（n>30），x拔的抽样分布可近似于正态分布。 在前一篇讲完概率分布后，我们再接再厉
拿下假设检验，也就是大名鼎鼎的AB Testing。俗话说得好，再优秀的产品经理也跑不
过一半AB测试。 Cohen's d= \frac{第一组平均值- 第二组平均值}{ 标准差} 通过调研的历
史数据，已经知道了用户打分的标准差是1。最近产品人员进行了一次大规模的
调研，访问了200位用户，得到样本均值7.5分。现在需要计算总体均值的区间。 特鲁普
效应是一种干涉效应，1935年由美国心理学家约翰·里德利· 斯特鲁普发现。当词的信息
（词义）与写词色彩不一致时，便会出现心理紧张与自动反应之间的矛盾，于是造成
反应时间延长。 通过网上的stroop实验来测试人的反应时间，每名参与者得到两组有颜
色的文字，第一组数据是字体内容和字体颜色一致，第二组数据是字体内容和字体
颜色不一致。每名参与者对每组文字说出文字的颜色，并分别统计每名参与制完成每
组的时间。 s_{p}=\sqrt{\frac{(n_{1}-1)s_{1}^{2}+(n_{2}-1)s_{2}^{2}}{n_{1}+n_{2}-2}} 第
一组数据平均反应时间是:13.93 秒,标准差是:3.54 秒 活跃指标怎么设立很大程度影响
如何用假设检验。既可以用均值法，即用户平均使用时长，或一段时间窗口内的平均
活跃用户数来衡量，也可以用比例法，即某一时间内的活跃率。两者对应不同的
公式，这里以平均活跃用户数举例。 两个样本均值之差的95% 置信区间为
[183.566,215.433]。也就是说七日平均活跃数有95%的可能性下降了183～215之间。 备选
假设：特鲁普效应存在。即在字体颜色和文字不同的情况下，试验者的反应时间会
变长。 由以上数据集分布图可看出，两个样本数据集都近似正态分布，所以案例是t分
布。 这时以产品改版后的活跃相关指标作为标准，其中一半用户不做改变，还是原始
功能，成为对照组。另外一半用户体验新功能，为改进组，然后根据一段时间后的表
现来判断改版好与不好。上文的用户调研案例，已经知道了总体均值和标准差。可是
它的总体均值也只是通过历次调研作出的假设，并不能反应产品所有用户的评价。
一个更实际的应用是，如何通过一次调研来计算用户的总体评价。这是反其道而行之。
这时以产品改版后的活跃相关指标作为标准，其中一半用户不做改变，还是原始
功能，成为对照组。另外一半用户体验新功能，为改进组，然后根据一段时间后的表
现来判断改版好与不好。数据分析中更多的情况是两组样本的比较，譬如男女用户
的差异、用户群体的差异、以及产品AB测试的好与坏。因为篇幅原因，案例将重点放
在双样本检验中，单样本检验熟悉点估计和区间估计后不难。 写结论部分的时候，需
要说明假设是否成立，然后解释研究结果。请注意，研究假设未必一定成立。研究的
目的在于验证你的预测是否正确。否定某个假设也可以是一项重要成果！ 通过点估
计公式，可以得出样本标准差为0.07。在正态分布的经验公式中，已知任何正态分布
的随机变量都有95% 的值落在均值附近1.96个标准差以内。因此x拔的值一定有95% 落
在均值u的1.96个标准差以内。 通过调研的历史数据，已经知道了用户打分的标准差是
1。最近产品人员进行了一次大规模的调研，访问了200位用户，得到样本均值7.5分。现
在需要计算总体均值的区间。 假设（hypothesis，复数形式：hypotheses）是针对某项研究
结果作出的推测性论断。假设陈述自变量（independent variable，简称IV）和因变
量（dependent variable ，简称DV）之间未经验证的关系，并且预测研究结果。假设基于某
个研究领域的现有知识体系，在数据收集阶段之前就已成形。即显著水平 \alpha 的
取值，一般可取0.1% ，1% ，5% ，视实际情况而定，本案例取显著水平\alpha=5% 写一个有
效的假设在你开始打字之前就已经开始了。像任何任务一样，准备是关键，所以你首
先要自己进行研究，尽可能多地阅读你计划研究的主题。从那里，你将获得你所需要
的知识来理解你在这个主题中的关注点。 得到区间[7.22,7.77]，在总体标准差未知的情
况下，可以通过样本均值7.5和标准差2计算总体均值有95% 的概率落在7.22～7.77之间。
通过样本标准差估计总体标准差，总体均值是以t分布（上文对应的叫做z分布）的概
率分布为依据。t 分布假设抽样总体满足正态分布，但是非正态分布中，也是能用t的，
效果不错。 备选假设为在字体颜色和文字不同的情况下，试验者的反应时间会变长，
即第一组平均值
检验方向分为单尾和双尾，单尾又分为左尾和右尾。可通过备选假设的条件来判断。
区间估计中还有一种常见情况，即σ未知，上文的案例我们知道了总体的标准差，如
果标准差也不知道呢？毕竟案例也只是以历史调研数据假设了标准差，未必反应了
用户真实的情况。于是再给出一个新的问题，访问了200位用户，得到样本均值7.5分，
标准差为2，那么总体均值是多少？ 数据分析中更多的情况是两组样本的比较，譬如
男女用户的差异、用户群体的差异、以及产品AB测试的好与坏。因为篇幅原因，案例
将重点放在双样本检验中，单样本检验熟悉点估计和区间估计后不难。 原假设H0：活
跃提升或不变；备选假设Ha：活跃下降。如果样本结果得出拒绝H0的结论，那么可以
做出Ha为真的推断。 Attending more lectures leads to better exam results. 第一组数据平均反
应时间是:13.93 秒,标准差是:3.54 秒 很多同学会混淆研究问题和假设，反之亦然。虽然
两者都对科学方法至关重要，但实际上有非常具体的区别。研究问题通常是开放
式的，会引起争论和讨论，而假设则是封闭的，例如“A和B之间的关系将是C”。 此
时，1.96个标准差等于1.96*0.07 = 0.13。利用总体均值的区间估计公式： 两个平均值差
值的置信区间，95% 的置信水平 CI=[-4.07,-1.37] 请记住，假设是对两个或更多变量之间
关系的预测。你的工作是写一个假设，并设计研究，以“证明”你的预测是否正确。一
个常见的陷阱是使用主观的、不适合构建假设的判断。保持你假设的焦点和语言的
客观性是很重要的。 假设检验有一套成熟的方法论。从参数看，即可以计算平均数，
也可以计算比率。从样本看，可以划分为单样本和双样本。单样本是从总体中抽取一
部分进行样本均数和总体均数的比较。用户调研就是一个典型的单样本。从假设的
条件看，有单侧检验（仅大于或小于的可能性）和双侧（仅不可能，包含大于和小于两
种情况）检验。 假设（hypothesis ，复数形式：hypotheses）是针对某项研究结果作出的推测
性论断。假设陈述自变量（independent variable，简称IV）和因变量（dependent variable，简
称DV）之间未经验证的关系，并且预测研究结果。假设基于某个研究领域的现有知识
体系，在数据收集阶段之前就已成形。t 分布依赖一种叫自由度df的的参数。与标准正
态分布曲线相比，df越小，t 分布曲线愈平坦；df愈大，t分布曲线愈接近正态分布曲线，
当df=∞时，t分布曲线为标准正态分布曲线。区间估计公式如下： 最后，你需要完善你的
假设。确保你的假设是具体的且可测试的。假设有多种表达方式，但是你使用的所有
术语都应该有明确的定义。综上所述，你的假设应该涵盖相关变量、被研究的特定
群体，以及实验或分析的预测结果。 在统计学中，把总体的平均值标准差等称为总体
参数，把样本的种种指标称为点估计量。s是样本标准差，σ是总体标准差。n是样本，N
是总体。 如果备选假设中包含"="号，则为双尾检验。其中每一边的显著水平为a/2 相关
配对检验 t(23)=-8.09, p=1.77e-08( \alpha =5%)，单尾检验（左尾）
写结论部分的时候，需要说明假设是否成立，然后解释研究结果。请注意，研究假设
未必一定成立。研究的目的在于验证你的预测是否正确。否定某个假设也可以是一
项重要成果！ s_{p}=\sqrt{\frac{(n_{1}-1)s_{1}^{2}+(n_{2}-1)s_{2}^{2}}{n_{1}+n_{2}-2}}
公式没有大的变化，总体标准差σ变化为样本标准差s，置信水平由t概率表计算。t概
率的区间分布，需要自由度和置信水平两个参数。自由度=样本量-1，案例中的自由度
为199。然后使用Excel的TINV( )函数计算，当置信水平为95% 时，TINV(0.05,199)=1.97。代
入公式： 你对这个问题的最初回答应该基于你对这个话题的了解。寻找理论和以前
的研究来帮助你对你的研究将会发现什么形成有根据的假设。 备选假设：特鲁普效
应存在。即在字体颜色和文字不同的情况下，试验者的反应时间会变长。 抽样有很多
方式，样本首要满足随机性。比如进行社会访谈，你不能只选择商场人流区，因为采
访到的人群明显是同一类人群，反而会遗漏郊区和乡镇的人群，遗漏宅男，遗漏
老人。 因备选假设是A版本和B版本有差别，即A版本平均值 \ne B版本平均值，所以方
向为双尾检验。 假设源于业已存在的理论、前人的研究和普遍观念。就研究方法
而言，首先从提出研究难题（research problem）和研究问题（research question）开始。随后
是（通过文献综述进行）背景研究。大量背景信息的收集为建立假设奠定基础。然后
通过对数据进行收集、分析和解释，从而支持或否定假设。 将用户分割出两个群体体
验产品功能，原始对照组和改进组都有50000用户。对照组的七日平均活跃数u1=8500，
标准差为s1=1250 ，改进组的七日平均活跃数为u2=8300，标准差s2=1240。当总体标准差
未知时，有公式： SE=\sqrt{\frac{s_{1}}{n_{1}}+\frac{s_{2}}{n_{2}}} 通过网上的stroop实
验来测试人的反应时间，每名参与者得到两组有颜色的文字，第一组数据是字体内
容和字体颜色一致，第二组数据是字体内容和字体颜色不一致。每名参与者对每组
文字说出文字的颜色，并分别统计每名参与制完成每组的时间。 通过点估计公式，可
以得出样本标准差为0.07。在正态分布的经验公式中，已知任何正态分布的随机变量
都有95% 的值落在均值附近1.96个标准差以内。因此x拔的值一定有95% 落在均值u
的1.96个标准差以内。 在统计学中，把总体的平均值标准差等称为总体参数，把样本的
种种指标称为点估计量。s是样本标准差，σ是总体标准差。n是样本，N是总体。 Do
students who attend more lectures get better exam results? 这时以产品改版后的活跃相关指标
作为标准，其中一半用户不做改变，还是原始功能，成为对照组。另外一半用户体验
新功能，为改进组，然后根据一段时间后的表现来判断改版好与不好。写一个有效的
假设在你开始打字之前就已经开始了。像任何任务一样，准备是关键，所以你首先要
自己进行研究，尽可能多地阅读你计划研究的主题。从那里，你将获得你所需要的知
识来理解你在这个主题中的关注点。 本案例是检验单个样本平均值是否等于目
标值，所以是检验类型是单样本检验。 本案例是测试同一个试验者分别在字体内容
和颜色一致和不一致情况下的反应时间，属于相关配对检验。 一个有效的研究假设
需要被清晰而简明地书写，任何术语或定义都应该被阐明。还必须使用具体的语言
来避免任何泛泛而谈或猜测。写假设时，你可以参考以下步骤： 汽车引擎新排放标准
是平均值<20ppm，现某公司抽取10台汽车样本，其引擎排放水平为 15.6 16.2 22.5 20.5
16.4 19.4 16.6 17.9 12.7 13.9，判断该公司汽车是否符合新排放标准？ 两个数据集的样本
大小都小于30，不属于中心极限定理，所以查看两个数据集的分布判断符合哪种分布：z
= （7.3-7.5）／0.18 = -1.11。于是P(x<=7.3)=P(z<=-1.1) = 13.3%。上述结果说明，本次抽样得
到7.3分（或者更低）的概率为13.3%，产品人员或许可以相信，这次改版并不好。由以上
可判断，该公司汽车引擎排放满足新标准。但具体有多大差异，需要计算效应量来
判断。同时需要求得置信区间来估计总体的均值范围。 毕竟抽样的目的是验证和
检验，需要始终保证用户群体的完全隔离，不能用户一会看到老界面，一会看到改进
后的新界面。以上也适用于推荐算法的冠军挑战，用户分群等。 B版本平均打错字
是:7.80个 标准差是:2.65 个
批判性思维是一种人对生活中的信息理性分析和判断的能力，而假设检验是建立批
判性思维的有效方法，让我们能理性地在繁杂的声音中一步步找到自己的声音。通
过样本标准差估计总体标准差，总体均值是以t 分布（上文对应的叫做z分布）的概率
分布为依据。t分布假设抽样总体满足正态分布，但是非正态分布中，也是能用t 的，效
果不错。 独立双样本检验 t(45)=-4.06, p=.00019( \alpha =5%)，单尾检验（左尾） We
hypothesise that the daily intake of fish oil capsules increases immunity to influenza in children.（我
们假设，每天摄入鱼油胶囊可以提高儿童对流感病毒的免疫力。）两个样本均值之差
的95%置信区间为[183.566,215.433]。也就是说七日平均活跃数有95%的可能性下降
了183～215之间。 Cohen's d= \frac{第一组平均值-第二组平均值}{标准差} 研究问题针
对的是某个研究难题，可以是某个有研究价值的挑战、疑问、研究空白或者值得关注
的领域。研究问题为研究项目指明了方向，有助于集中精力解决关键问题。 请注意，
提出假设并不适用于某些研究，例如对某个全新的课题进行的探索性研究，因为相
关信息有限。 本案例是检验单个样本平均值是否等于目标值，所以是检验类型是单
样本检验。 s_{p}=\sqrt{\frac{(n_{1}-1)s_{1}^{2}+(n_{2}-1)s_{2}^{2}}{n_{1}+n_{2}-2}} 现
在你应该对你期望找到的东西有一些概念了。用清晰简洁的句子写下你对问题的最
初回答。例如：在统计学中，把总体的平均值标准差等称为总体参数，把样本的种种
指标称为点估计量。s是样本标准差，σ是总体标准差。n是样本，N是总体。 通过抽样估
算总体，它的概率计算是以样本标准差作为依据的，换言之，如果样本标准差变化，
则概率一定变化。而样本标准差和样本容量n息息相关。如果调研用户数是100位，那
么哪怕其他数字没变化，最终概率也会变成2.2%。这是样本容量增加，均值的标准差
减少了误差。 本文主要介绍假设检验的三个类型：单样本检验、相关配对检验、独立
双样本检验，并用三个实例实现假设检验的整个过程。 The association of the intake of fish
oil has been studied in relation with heart and brain health in adults.（人们已经对鱼油摄入量与
成年人心脑健康的关系做了研究。）Further, fish oil has been found to strengthen immune
responses.（此外，人们还发现鱼油可以增强免疫反应。）However, its effect on immunity in
children remains unknown.（然而，鱼油对儿童免疫力的影响尚不明确。）上文的用户调研
案例，已经知道了总体均值和标准差。可是它的总体均值也只是通过历次调研作出
的假设，并不能反应产品所有用户的评价。一个更实际的应用是，如何通过一次调研
来计算用户的总体评价。这是反其道而行之。点估计在原有的符号上加横线表示，比
如样本均值，念做x拔（打出这个字符麻烦，我简称为拔了）。 将用户分割出两个群体
体验产品功能，原始对照组和改进组都有50000用户。对照组的七日平均活跃数
u1=8500，标准差为s1=1250，改进组的七日平均活跃数为u2=8300，标准差s2=1240。当总
体标准差未知时，有公式： Copyright © 北京考而思教育咨询集团有限公司 —— 地址：
北京市丰台区马家堡搜宝商务中心3号楼1808 随机抽取两组试验者，每组25人，A组使
用键盘布局A，B组使用键盘布局B。让他们在30秒内打出标准的20个单词文字消息，然
后记录打错字的数量，并录入表格。 通过点估计公式，可以得出样本标准差为0.07。在
正态分布的经验公式中，已知任何正态分布的随机变量都有95%的值落在均值附近1.96
个标准差以内。因此x拔的值一定有95%落在均值u的1.96个标准差以内。 本案例样本大
小为n=24，上图数据集近似正态分布，所以，案例分布类型为t分布。 查尔斯沃思学术资
源库已上线：https://www.cwauthors.com.cn/researcher_education 点击进入学术资源库，可以
查看查尔斯沃思的所有学术资源，包括学术写作技巧，论文发表攻略，选刊技巧等。