顯著性差異

顯著性差異(ρ值)，是統計學上對數據差異性的評價。

當數據之間具有了顯著性差異，就說明參與比對的數據不是來自於同一總體（Population），而是來自於具有差異的兩個不同總體。

這種差異可能因參與比對的數據是來自不同實驗對象，如比－西一般能力測驗中，大學學歷被試組的成績與小學學歷被試組會有顯著性差異。

也可能來自於實驗處理對實驗對象造成了根本性狀改變，因而前測後測的數據會有顯著性差異。例如，記憶術研究發現，被試學習某記憶法前的成績和學習記憶法後的記憶成績會有顯著性差異，這一差異很可能來自於學××記憶法對被試記憶能力的改變。

資料來源：

https://zh.wikipedia.org/zh-tw/%E6%98%BE%E8%91%97%E6%80%A7%E5%B7%AE%E5%BC%82

何謂虛無假設與對立假設

統計假設依其性質可分為以下兩種： 
(1)虛無假設(null hypothesis)：通常為研究者欲推翻之統計假設， 即假設檢定中之主要假設，一般以H0表之。
(2)對立假設(alternative hypothesis)：假設虛無假設不成立，即虛無假設之互補假設，一般以H1或Ha表之。
=============================================


在推論統計學中，虛無假設（null hypothesis）或稱零假設，是做統計檢驗時的一類假設。
虛無假設的內容一般是希望被證明為錯誤的假設或者是需要著重考慮的假設。

比如說：
在相關性檢定中，一般會取「兩者之間無關聯」作為虛無假設。
在獨立性檢定中，一般會取「兩者之間是獨立」作為虛無假設。

與虛無假設相對的是對立假設（alternative hypothesis），即希望證明是正確的另一種可能。

從數學上來看，虛無假設和對立假設的地位是相等的，但是在統計學的實際運用中，常常需要強調一類假設為應當或期望實現的假設。

如果一個統計檢定的結果拒絕虛無假設（結論不支持虛無假設），而實際上真實的情況屬於虛無假設，那麼稱這個檢驗犯了第一類錯誤。

反之，如果檢定結果支持虛無假設，而實際上真實的情況屬於對立假設，那麼稱這個檢定犯了第二類錯誤。

通常的做法是，在保持第一類錯誤出現的機會在某個特定水平上的時候（即顯著性差異值或α值），儘量減少第二類錯誤出現的機率。