帰無仮説とは、統計的仮説検定において検証の出発点となる仮説のことです。「主張したいことの逆（効果や差がない状態）」をあえて仮定し、得られたデータがその仮定のもとでどれほど起きにくいかを評価します。確率が十分に低い場合に帰無仮説を棄却し、効果や差が存在するという対立仮説を採択する手法で用いられます。
帰無仮説とは
帰無仮説とは、データ分析や実験において「差がない」「効果がない」「関連がない」といった状態を便宜的に仮定する出発点の仮説です。
詳しく解説
データから何らかの効果や違いを証明したいとき、直接その証明を行うのは統計的に困難な場合があります。そこで用いられるのが統計的仮説検定という手法です。まず「新薬と従来の薬に効果の差はない」といった帰無仮説を設定します。次に、もしこの仮説が正しいと仮定した場合に、手元のデータが得られる確率（P値）を計算します。この確率があらかじめ設定した有意水準より小さければ、仮説が正しくないと判断して帰無仮説を棄却し、本来証明したかった対立仮説を採択します。このように否定されることを前提に立てられるため帰無仮説と呼ばれます。
具体例・使われ方
新しく開発したAIモデルが従来モデルより精度が向上したかを調べる場合を考えます。このとき「2つのAIモデルの精度には差がない」という帰無仮説を立てます。検証用のテストデータを入力して双方の精度を比較し、その差が確率的に単なる誤差では説明できないほど大きいと判断された場合に帰無仮説を棄却し、「新AIモデルの方が精度が高い」と結論付けます。
似た用語との違い
対立仮説との違いが代表的です。帰無仮説が「効果や差がない」という仮定であるのに対し、対立仮説は「効果や差がある」という分析者が実際に証明したい説を指します。仮説検定では帰無仮説を棄却するかどうかを判定することで、間接的に対立仮説の妥当性を評価します。
注意点
帰無仮説が棄却されないからといって、その仮説が正しい（差がない）と証明されたわけではありません。単に「差がないと言い切るための十分なデータがない」だけの可能性もあります。また、計算されたP値だけに頼りすぎると、データ量が極めて大きい場合に実質的な意味がないわずかな差でも有意と判定されるリスクがあります。さらに、帰無仮説が正しいにもかかわらず誤って棄却してしまう第一種の錯誤にも注意が必要です。