歡迎來到假設檢定的世界！
你有沒有聽過別人誇下海口，說：「我有 80% 的把握能預測硬幣投擲的結果」，然後心想：「我才不信呢！」？假設檢定 (Hypothesis testing) 就是統計學中的偵探遊戲。它讓我們能夠針對某個主張，透過檢視證據（數據）來判斷該主張是否可信，還是純屬胡說八道。
在本章中，我們將專注於使用二項分佈 (Binomial Distribution) 來檢定關於機率的主張。別擔心，這些術語聽起來有點嚇人，但我們會一步一步拆解給你聽！
1. 核心概念：無罪推定原則
假設檢定的邏輯就像法庭審判一樣。在法庭上，我們假設被告是無罪的，直到有足夠的證據證明他有罪。在統計學中：
- 虛無假設 (Null Hypothesis, \(H_0\))： 這是「無罪」或「現狀」的立場。我們假設沒有任何改變，或者該主張是標準情況。在 MEI 的課程中，其形式永遠是 \(H_0: p = \text{數值}\)。
- 對立假設 (Alternative Hypothesis, \(H_1\))： 這是「有罪」的立場。這是我們懷疑實際發生的情況（例如，機率上升、下降或單純發生了改變）。
現實生活範例： 一位園丁聲稱她種植的種子發芽率為 70%。你認為這些種子的品質其實沒那麼好。
\(H_0: p = 0.7\) （該主張為真）
\(H_1: p < 0.7\) （發芽率低於聲稱的數值）
重點複習：
- 務必始終使用 \(p\) （母體參數）來書寫假設。
- \(H_0\) 永遠使用等號 (\(=\))。
- \(H_1\) 使用小於 (\(<\))、大於 (\(>\)) 或不等於 (\(\neq\))。
2. 檢定的語言
要進行檢定，你需要了解「遊戲規則」。以下是你在考試中會看到的關鍵術語：
檢定統計量 (Test Statistic)
這就是「證據」。它是你在樣本中觀察到的實際結果。例如，如果你種了 20 顆種子，只有 10 顆發芽，那麼 10 就是你的檢定統計量。
顯著水準 (Significance Level, \(\alpha\))
這是我們的「舉證門檻」。通常設定為 5% 或 1%。它代表錯誤拒絕虛無假設的機率。如果觀察到的結果純屬巧合的機率低於這個水準，我們就會「拒絕」虛無假設。
p 值 (p-value)
p 值是指在假設 \(H_0\) 為真的前提下，觀察到該結果或更極端結果的機率。
記憶口訣：「p 值若太低，\(H_0\) 就要去！」（如果 \(p < \text{顯著水準}\)，我們就拒絕 \(H_0\)）。
拒絕域與臨界值 (Critical Regions and Critical Values)
拒絕域 (Critical region) 是指檢定統計量落入該範圍時，會導致我們拒絕 \(H_0\) 的數值範圍。臨界值 (Critical value) 則是進入該範圍的第一個數值。
關鍵結論： 如果你的檢定統計量落在拒絕域內，或是你的 p 值小於顯著水準，代表你有足夠的證據來支持你的懷疑 (\(H_1\))。
3. 單尾與雙尾檢定
我們該如何決定檢定的方向？這全取決於我們在尋找什麼。
- 單尾檢定 (1-Tail Test)： 當我們懷疑機率在特定方向上有所改變時使用。
例子：「我覺得機率上升了 (\(p > \dots\))」或「我覺得機率下降了 (\(p < \dots\))」。 - 雙尾檢定 (2-Tail Test)： 當我們懷疑機率改變了，但不確定是往哪個方向改變時使用。
例子：「我覺得機率不同了 (\(p \neq \dots\))」。
雙尾檢定的重要小貼士： 你必須將顯著水準減半！如果你是在 5% 的水準下進行檢定，你需要尋找兩端各 2.5% 的區域。
4. 一步一步來：如何進行二項式檢定
如果起初覺得棘手也沒關係，每次都按照這五個步驟做：
- 陳述假設： 清楚寫出 \(H_0: p = \dots\) 和 \(H_1: p \dots\)。
- 辨識模型： 寫出虛無假設下的分佈，例如 \(X \sim B(n, p)\)。
- 選擇顯著水準： 記下題目給定的水準（例如 5%）。
- 計算 p 值： 使用計算機，找出獲得該極端結果的機率。
- 若 \(H_1: p < k\)，找出 \(P(X \leq \text{觀察值})\)。
- 若 \(H_1: p > k\)，找出 \(P(X \geq \text{觀察值})\)，即 \(1 - P(X \leq \text{觀察值} - 1)\)。 - 結論： 將你的 p 值與顯著水準進行比較，並根據題意寫出結論。
5. 寫出結論：MEI 的標準方式
MEI 的閱卷老師對結論的寫法非常講究！他們要求使用非斷言式 (non-assertive) 的語言。我們從不「證明」任何事，我們只會說是否有足夠的證據或沒有足夠的證據。
「優秀」結論範例：
「p 值 (0.032) 小於 5% 的顯著水準。在 5% 的顯著水準下，有足夠的證據顯示種子的發芽率已經下降。」
「不良」結論範例：
「p 值很低，所以發芽率一定是 60%。」（太過武斷！統計學處理的是機率，而不是絕對確定的事實）。
常見錯誤： 千萬不要只寫「接受 \(H_0\)」。應該說「沒有足夠的證據來拒絕 \(H_0\)」。這就像陪審團判決「無罪」——這並不代表被告 100% 清白，只是證明不足以定罪而已。
6. 總結速查
你知道嗎？ 顯著水準其實就是「虛驚一場」的機率——也就是當虛無假設實際上為真時，我們卻錯誤地拒絕了它！
複習關鍵重點：
- \(H_0\)： 現狀 (\(p =\))。
- \(H_1\)： 懷疑點 (\(<\)、\(>\) 或 \(\neq\))。
- 單尾： 單一方向。雙尾： 任何變動（請記得將 % 減半！）。
- p 值 < 顯著水準： 結果顯著，拒絕 \(H_0\)。
- 結論： 必須結合題目背景，且語氣需謹慎、非斷言。
請繼續利用計算機的二項式累計功能多加練習——熟練度與精確度會讓這些題目變得容易許多！