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

=== Assistant: 好問題！🙌 其實「虛無假設」（Null Hypothesis, H0H0H0）的發展有一段滿有趣的歷史背景。 ===
好問題！🙌 其實「虛無假設」（Null Hypothesis, H0H_0H0）的發展有一段滿有趣的歷史背景。

==== 19 世紀末到 20 世紀初，數學家與科學家越來越需要一種方法，來判斷「觀察到的差異到底是真實的，還是隨機造成的？」。 ====
比方說，如果我們看到某種藥物組的病人康復率比較高，那這個差異是真的來自藥效，還是單純隨機？這時就需要一套嚴謹的方法來回答。

==== 「虛無假設」這個觀念最早是由 羅納德·費雪（Ronald A. Fisher） 系統化提出的（1920 年代）。 ====
* Fisher 在 1925 年出版的《Statistical Methods for Research Workers》一書裡，提出了透過虛無假設來進行檢定的想法。
* 核心概念是： - 先假設「沒有差異 / 沒有效果」（即虛無假設 H0H_0H0）。 - 然後用數據計算如果 H0H_0H0 成立時，觀察到目前數據的機率（p 值）。 - 若這個機率非常小（例如 < 0.05），我們就懷疑 H0H_0H0 不對，轉而傾向「對立假設」。

這就是後來所謂的「假設檢定」雛形。

==== 1930 年代，Jerzy Neyman 和 Egon Pearson（Karl Pearson 的兒子）進一步把 Fisher 的想法形式化，提出了「Neyman–Pearson 檢定理論」： ====
* 引入了 兩種錯誤： - 第一類錯誤（Type I Error）：錯誤地拒絕真實的 H0H_0H0。 - 第二類錯誤（Type II Error）：錯誤地接受錯誤的 H0H_0H0。
* 他們提出了「檢定力（Power）」的概念，讓研究者在設計實驗時能控制錯誤率。

==== 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。