Editing Openai/691718ed-7ba4-8006-96d5-a66e0d9678fe (section)

==== 有趣的是，Fisher 和 Neyman–Pearson 的想法並不是完全一致： ====
* Fisher：強調 p 值，認為統計檢定是一種「量化證據」的方式。
* Neyman–Pearson：更偏重決策，強調「事先設定顯著水準（α）」並控制錯誤率。

這兩套思想後來融合，成為今天我們常用的統計假設檢定框架。

✅ 總結
* 虛無假設的核心概念由 '''Fisher（1920s）'''提出。
* '''Neyman–Pearson（1930s）'''進一步把它數學化、決策化。
* 今天我們在課本上看到的「假設檢定程序」其實是兩者混合體。

要不要我幫你整理一個 「虛無假設的歷史演進時間線」圖表？這樣看會更清楚 Fisher → Neyman–Pearson → 現代統計檢定的演進。