Hypothesis Testing Explained｜假设检验详解：Alpha、Beta、Power、MDE与样本量

假设检验是数据科学领域的核心基础，但因教材中 p 值与假设检验框架的混淆而常被误解。理解该概念需从第一性原理出发，明确零假设（即无处理效应）与备择假设的理论构建。统计效能（Power）衡量了检测真实效应的能力，其与样本量呈正相关，而最小可检测效应（MDE）则随样本量增加而减小。这意味着即便样本量有限，只要处理效应足够大，A/B 测试依然能够可靠地识别结果。通过区分标准差与标准误差，并深入掌握 Alpha（第一类错误）与 Beta（第二类错误）的权衡，数据科学家能够更准确地进行实验设计，并有效向利益相关者解释实验结果。