有勁的基因資訊

作者：謝維馨/有勁生物科技

一般來說，當我們希望藉由統計的方法來協助我們進行推論時，我們會先針對結果提出假設，並希望能夠利用有限的的資料加以證實我們提出的假設，而假設檢定就是一種用來檢驗統計假設的方法。

在研究的過程中，要提出一個強而有力的證據來證明假設為真是不容易的，因此在進行假設檢定的過程中，我們會先將結果分成兩種相反的決策：虛無假設 (Null Hypothesis, H₀)和對立假設(Alternative Hypothesis, H₁)，並利用反證法來證實我們的推論。換句話說，進行假設檢定的目標，不是在於證明立論為真，而是希望能夠有足夠的證據可以推翻相反的立論。因此，我們通常會將我們希望推翻的目標設為虛無假設 (H₀)、將我們期望證實的結果設為對立假設 (H₁)，並期望可以透過推翻虛無假設來證實我們的推論。

根據H₀所定訂範圍的差異，可將假設檢定的型式分成兩種：單尾檢定 (one-tailed tests)以及雙尾檢定 (two-tailed tests)。其中，單尾檢定又可細分為右尾檢定 (upper-tail test)和左尾檢定  (lower-tail test)。當樣本檢定量越大，越容易拒絕H₀時，即為右尾檢定；反之，當樣本檢定量越小，越容易拒絕H₀時，就稱為左尾檢定；若樣本檢定量越大或越小均可能拒絕H₀時，則為雙尾檢定。

然而，如果虛無假設在事實上成立，但是檢驗的結果卻將虛無假設推翻，而造成檢定錯誤，我們稱之為型一誤差 (Type I Error)。若虛無假設事實上不成立，但是檢驗結果卻沒有推翻虛無假設，我們將此類型的錯誤稱之為型二誤差 (Type II Error)。

在理想上，我們會希望正確率越高越好，然而在實務上，我們受限於技術與金費，發生檢定錯誤是在所難免的，因此當我們在進行假設檢定時，我們會控制型一誤差的發生，給定一個我們容許型一誤差發生的上限，稱之為顯著水準 (Significance level, α )。

給定顯著水準後，便可以開始進行檢定。檢定統計假設的方法主要有兩種：臨界值法 (Critical value method)和P值法 (P-value method)。

使用臨界值法時，我們一般會給定拒絕域 (拒絕H₀的區域)以及接受域 (不拒絕H₀的區域)，當檢定統計量落入拒絕域時，則表示我們的樣本有足夠的證據來拒絕H₀；反之，當檢定統計量落入接受域的時候，就表示我們的樣本資訊沒有足夠的證據來拒絕H₀。

使用P值法時，我們會再H₀為真的條件下，計算拒絕H₀的最大機率。若P值小於 α ，則拒絕虛無假設 (H₀)，否則便無法拒絕H₀。