在假设检验时原假设和备择假设如果设相反了，结果完全相反是因为统计中用的假设检验的方法，对于原假设得到的结论不是对与错两个结果，而是拒绝与接受。
因为在做假设检验的时候，都要设定一个置信水平，当实验者拒绝原假设的时候，实际上只是说有95%的把握说原假设错了，也就是说还是有可能是对的，不能逻辑上否定原假设。
比如说原假设H0是期望=2，如果拒绝H0， 那么意思是实验者有95%的把握说H0是错的，但是当实验者所谓接受H0的时候，指的并不是有95%的把握肯定期望就等于2，所以在假设检验时，原假设和备择假设如果设相反了，结果完全相反。
扩展资料：
假设检验注意事项：
1、假设检验应注意资料的可比性，保证比较组间的可比性是假设检验的前提，为了保证资料的可比性，必须要有严密的抽样设计。
2、用户要注意选用的假设检验方法的应用条件，资料性质不同，设计类型不同，样本含量大小不同，检验方法也不同。
3、结论不能绝对化。由于假设检验是根据抽得的样本资料对总体的某种特征作出判断，而样本只反映总体的部分特征，来推断总体的特征就不能有百分之百的把握，因此假设检验作出的判断有可能是错误的。
4、正确区分差别有无统计意义与有无专业上的实际意义，差别有统计意义只说明相应的总体均数有差别，不说明差别的大小。
5、用户要有严密的抽样研究设计，检验样本必须是从同质总体中随机抽取的，用户需要保证组间的均衡性和资料的可比性，可能影响结果的非处理因素在对比组间应尽可能相同或相近。
6、检验假设的推断结论为概率结论，检验水准人为规定是相对的，检验报告结论时应列出检验统计量和P值的确切范围。
7、注意是单侧检验还是双侧检验。
参考资料来源：百度百科-假设检验
参考资料来源：百度百科-原假设
参考资料来源：百度百科-备择假设
参考资料来源：百度百科-方法
之所以会出现这种情况，是因为在做假设检验的时候，当实验者“拒绝”原假设的时候，实际上我们只是说“我们有95%的把握”说原假设错了，也就是说，它还是有可能是对的，换而言之，我们不能逻辑上否定原假设。
所以在做假设检验时，我们应该注意到两点：一是我们的“拒绝”和“接受”原假设，不是逻辑上的对与错；二是我们“拒绝”原假设和“接受”原假设是完全不对等的，当我们拒绝原假设的时候，我们有95%的把握；但是当我们接受原假设的时候，我们一点把握都没有。
由此可知当我们选择原假设的时候，应该选择我们有比较大的把握否定它的一面。
扩展资料
检验假设的基本思想
假设检验的基本思想是小概率反证法思想。小概率思想是指小概率事件（P<0.01或P<0.05）在一次试验中基本上不会发生。反证法思想是先提出假设(检验假设H0)，再用适当的统计方法确定假设成立的可能性大小，如可能性小，则认为假设不成立，若可能性大，则还不能认为假设不成立。
假设是否正确，要用从总体中抽出的样本进行检验，与此有关的理论和方法，构成假设检验的内容。
参考资料来源：百度百科-假设检验
本回答被网友采纳在假设检验时原假设和备择假设如果设相反了，结果完全相反是因为统计中用的假设检验的方法,对于原假设得到的结论不是“对”与“错”两个结果,而是“拒绝”与“接受”。
因为在做假设检验的时候，都要设定一个置信水平，当实验者“拒绝”原假设的时候，实际上我们只是说“我们有95%的把握”说原假设错了，也就是说，它还是有可能是对的，换而言之，我们不能逻辑上否定原假设。
再来说“接受”原假设，准确一点来说应该是“不能拒绝”原假设，比如说原假设H0是：期望=2，如果“拒绝”H0， 那么意思是实验者有95%的把握说H0是错的，但是当实验者所谓“接受”H0的时候，指的并不是有95%的把握肯定期望就等于2。
所以在假设检验时，原假设和备择假设如果设相反了，结果完全相反。
扩展资料：
假设检验的基本步骤：
1、提出检验假设又称无效假设，符号是H0；备择假设的符号是H1。
H0：样本与总体或样本与样本间的差异是由抽样误差引起的；
H1：样本与总体或样本与样本间存在本质差异；
预先设定的检验水准为0.05；当检验假设为真，但被错误地拒绝的概率，记作α，通常取α=0.05或α=0.01。
2、选定统计方法，由样本观察值按相应的公式计算出统计量的大小，如X2值、t值等。根据资料的类型和特点，可分别选用Z检验，T检验，秩和检验和卡方检验等。
3、根据统计量的大小及其分布确定检验假设成立的可能性P的大小并判断结果。若P>α，结论为按α所取水准不显著，不拒绝H0，即认为差别很可能是由于抽样误差造成的，在统计上不成立；如果P≤α，结论为按所取α水准显著，拒绝H0，接受H1。
则认为此差别不大可能仅由抽样误差所致，很可能是实验因素不同造成的，故在统计上成立。P值的大小一般可通过查阅相应的界值表得到。
参考资料来源：百度百科-假设检验
本回答被网友采纳设原假设为H0，备择假设为H1，置信水平为95%
H0与H1从逻辑上说本来是二择一的，非此即彼，对于原假设检验的结果逻辑上说只有两个，要么对的，要么错的，如果H0是对的，那么H1就必定错了，如果H0错了，那么H1就必定是对的，如此说来，随便把哪一个作为原假设应该都是一样的结果。但事实上，选择哪个作为原假设是有差别的，那么问题出在哪儿呢？
其实问题出在假设检验的结果上，统计中用的假设检验的方法，对于原假设得到的结论不是“对”与“错”两个结果，而是“拒绝”与“接受”，两者有什么差别吗？
一定要注意在做假设检验的时候，都要设定一个置信水平，当我们“拒绝”原假设的时候，实际上我们只是说“我们有95%的把握”说原假设错了，也就是说，它还是有可能是对的，换句话说，我们不能逻辑上否定原假设！
再来说“接受”原假设，这个“接受”两个字，害苦了几乎所有的学生，其实准确的说法应该是“不能拒绝”原假设，比如说原假设H0是：期望=2，如果“拒绝”H0， 那么意思是我们有95%的把握说H0是错的，但是当我们所谓“接受”H0的时候，我们并不是有95%的把握肯定期望就等于2，其实我们一点把握都没有，我们只是利用现有样本数据不能否定它是2而已，它完全可能是2.1，2.11,1.95.......等等等等。
综上我们注意到两点：一是我们的“拒绝”和“接受”原假设，不是逻辑上的对与错；二是我们“拒绝”原假设和“接受”原假设是完全不对等的，当我们拒绝原假设的时候，我们有95%的把握；但是当我们接受原假设的时候，我们一点把握都没有。由此可知当我们选择原假设的时候，应该选择我们有比较大的把握否定它的一面。
关于这个问题更精细的讨论要牵涉到置信区间的长度问题，需要画图，这里比较难弄，自己找资料看去吧。本回答被提问者和网友采纳
比如说要推广一种新药，如果原假设是该药可靠，那只有很不可靠的时候才会拒绝。但若原假设是该药不可靠，只有很可靠的时候才会拒绝。在这个具体问题中，推广新药必须要很可靠才行，所以一般会把原假设定为该药不可靠。再说仔细一些，一般取置信区间为0.05，也就是说只有当原假设前提下5%的小概率事件发生时，才会拒绝原假设。具体的判别方法你再复习一下关于置信水平的知识，会有更深的理解。希望能帮到你