假設有一家製藥公司想讓一款名為藥物 A 的新型糖尿病療法通過 FDA 核准。 目前，多數醫師會開立藥物 B 來治療糖尿病。
對正在檢視該公司資料的 FDA 統計學家而言，下列哪一個是合適的「虛無」假設？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
在本章中，你將探索從同一母體重複抽樣時，樣本之間會如何變動。正是這些變異性，讓你得以對關注的母體提出主張。請記住，研究主張關注的是母體，而你能取得的資訊只來自樣本資料。
當前練習
在本章中，你將學會完成一個完整的假設檢定所需的工具與知識。也就是說，給定一個資料集，你將能判斷是否應該拒絕虛無假設，轉而支持感興趣的研究主張。
你將以新的例子、相同的隨機化檢定架構，繼續學習假設檢定。不過本章重點在不同型態的錯誤（第一類與第二類）、錯誤是如何產生、什麼情況下一種錯誤比另一種更嚴重，以及樣本數與效果大小等因素如何影響錯誤率。
作為假設檢定的補充，信賴區間可用來估計母體參數。請記住，你關注的總是母體的一些特性，但手上只有不完整的資訊，必須以樣本資料來估計參數。這裡的參數是母體中真實的成功比例。將使用自助抽樣（bootstrapping）來估計形成信賴區間所需的變異性。
