假设一家制药公司正尝试为一种名为 A 的新型糖尿病治疗药物申请 FDA 批准。目前，大多数医生会开具药物 B 来治疗糖尿病。
对于审查该公司数据的 FDA 统计学家来说，以下哪一项是合适的「原」假设？
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
在本章中，您将考察从同一总体反复抽样时，样本之间如何变化。正是这种样本的变异性，使您能够对目标总体提出主张。请牢记，研究结论关注的是总体，而您可用的信息仅来自样本数据。
当前练习
在本章中，您将掌握完成一次完整假设检验的工具与方法。也就是说，给定一个数据集，您将能够判断是否应当拒绝原假设，转而支持所关注的研究主张。
您将用一个新例子，沿用随机化检验的框架，继续学习假设检验。本章将重点讨论不同类型的错误（I 类与 II 类）、它们是如何产生的、在何种情形下一种错误比另一种更严重，以及样本量与效应量等因素如何影响错误率。
作为假设检验的补充，置信区间可用于估计总体参数。请记住，您的兴趣始终在总体的某个特征，但您只能用不完全的样本信息来估计该参数。这里，参数是总体中真实的成功比例。我们将使用自助法（bootstrapping）来估计构造置信区间所需的变异性。
