零假設（Null Hypothesis）：統計檢測時的一類假設。零假設的內容一般是希望證明其錯誤的假設。
與零假設相對的是備擇假設（對立假設，Alternative Hypothesis），即不希望看到的另一種可能。
(個人理解：比如我現在要做一些實驗證明陽光對植物的影響，我是希望發現陽光與植物是有一些關係的，這種情況下我做原假設/零假設即是：陽光對植物沒有影響。備擇假設：陽光對植物有影響。)
第一類錯誤：“棄真”，零假設爲真，卻拒絕了零假設。
（個人理解：即小概率事件（某些植物跟陽光無關）發生的可能性，當它在5%左右，可以拒絕零假設。）
第二類錯誤：“取僞”，零假設爲假，卻接受了零假設。
（個人理解：實際上植物和陽光有關係，然而我們忽略掉了它們的關係，睜一隻眼閉一隻眼接受了。）
如果一個統計檢驗的結果拒絕零假設（結論不支持零假設），而實際上真實的情況屬於零假設，那麼稱這個檢驗犯了第一類錯誤。反之，如果檢驗結果支持零假設，而實際上真實的情況屬於備擇假設，那麼稱這個檢驗犯了第二類錯誤。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，儘量減少第二類錯誤出現的概率。
確定標準編輯
1零假設一般是有意推翻的假設；
2由於第一類錯誤的概率可以通過顯著性水平的選定加以控制，零假設一般是如果出現第一類錯誤後後果更爲嚴重的情況的假設。
法律上的類比
原假設：被告無罪
備擇假設：被告是有罪的
原則：無罪推論（保護原假設）
最後的判決：當有明顯犯罪證據時，法官才判決被告有罪
證據明顯：由臨界值決定（法律條文的規定）
法律條文的嚴厲程度，決定了對被告的保護程度。„如亂世用重典，即法律條文嚴厲，保護被告的程度弱。不管怎樣制定條文，總有好人被冤枉，總有壞人漏網，即總會犯錯誤。
如在高考中，一個水平很高的人可能這次考試分數低，而不被錄取，這樣我們做錯了錯誤的選擇，即拒絕其進入高校繼續學習。相反，某個人可能特別幸運，本來水平一般，但考試題都被他複習到了，成績很高，從而被錄取。
但這樣的事件是小概率事件，所以我們犯錯誤的可能性不是很大。（個人理解：呵呵呵呵、數學不好、不做評價了。）