1樓：張浩彬
這是因為在假設檢驗中，我們用的是小概率反證的思想。
在假設檢驗中，我們要證明目標結果的話，要做的是「拒絕原假設，接受備設假設」，因為即使不能拒絕原假設，也不能說接受原假設。
基於這個思路，所以在本題目中，如果我們要真證明不屬實，那就是要拒絕「洗滌劑平均淨含量不低於500g」（等價於平均淨含量大於等於500）這一命題，所以我們要把要拒絕的命題用作原假設。
那問題來了，為什麼在假設檢驗中要使用這個思路？這主要是受到假設檢驗中的第一類錯誤及第二類錯誤的原因。關於第一類及第二類錯誤的原理，可以檢視如下回答：
什麼是假設檢驗的兩種錯誤？
2樓：呆坐的熊
推薦回答（關於單側檢驗中備擇假設和原假設的設定 - Sentry的文章 - 知乎 https://
zhuanlan /p/134345931
）。我認為你的理解其實是對的，原假設為平均淨含量大於等於500，其實是對商家有利的，（只有出現了強烈的證據表明小於，才會被拒絕）。
如果原假設是設為平均淨含量小於等於500，對商家的標準將會更高，只有顯著高於500才會被拒絕。這才是我想象中的從消費者角度出發，（即有強烈證據表明商家滿足標準）。
3樓：聹一
個人理解，假設檢驗的核心是基於小概率事件難以發生的反證思想。
當我們想說明事物為真，卻難以直接證明，採用反證思路，原假設認為其為假，備擇假設認為其為真。經轉化後的資料落入拒絕域的概率為a,落入非拒絕域的概率為1-a，而通常a極小。
如果處理後資料落入拒絕域，基於小概率事件難以發生，原假設被有力的否定，結論是拒絕原假設，接受備擇假設。如果落入非拒絕域，結論也僅僅是不拒絕原假設，而非接受原假設，畢竟1-a是很大的概率，所以原假設往往選擇與預期相反的方向。
4樓：吳小軒
我們也可以從結果來看：確立完原假設和備擇假設後，可以通過手上的樣本算出P值。由於p值得含義，即原假設成立的情況下，樣本發生的概率大小。
這個p值與我們先前設定好，往往是比較小的顯著水平alpha值，進行比較。p值較小，則說明，樣本發生的可能性小於我們心裡預期，要排除原假設。
故，我們想要否定某個結論，就要把他放在原假設的位置。
同時，提問者也說了「拒絕原假設而接受備擇假設需要更強的證據」，需要更強的證據，也是一種對原假設的保護，對吧？
假設檢驗中，拒絕原假設和接受原假設的風險是什麼
普通的大學生 第二天感覺自己找到了答案就自問自答了，非數學專業的理解方式 俗話理解 就是在抽樣檢驗中，由於不知道總體均值 假設我們要對Ybar 做假設檢驗 假設H0 均值 0 如上圖 H1 均值 0 假設從N 1 的正態分佈中抽取樣本，我們假設 是小於等於0的，以下的數請自動預設完成了標準正態化轉換...
請問假設檢驗（hypothesis testing 的意義到底是什麼，它的原理是什麼樣的？
企研資料 假設檢驗是現代統計學的基礎與核心之一。然而，傳統統計學教科書大多重於術而輕於道，強調具體操作流程，忽視對其所蘊含科學思維的介紹，結果令不少初學者糾結於P值 一類與二類錯誤等技術細節，無法掌握假設檢驗之精髓。本文不揣淺陋，試圖為初學者體悟假設檢驗之道提供乙個簡單的指引。經濟效率是制度安排的底...
統計學假設檢驗中為什麼P值越小，拒絕原假設的理由就越充分？
齊天大聖 P值的含義 原假設成立的情況下，發生與樣本相同或者更誇張的情況的概率。人話 拋硬幣，樣本是拋10次，有6次正面。P 值就是拋10次，有6 7 8 9，10次正面朝上的概率之和。P 值小於0.05 規定 即允許犯第一類錯誤概率 為小概率事件 即根本不會發生 但是原假設竟然認為他發生了，說明啥...