在统计学中，原假设（Null Hypothesis）和备择假设（Alternative Hypothesis）是推断统计中的基本概念，用于进行假设检验。

原假设（H0）：是一种假设，它通常表明没有效应或没有差异，是研究中要检验的假设。在假设检验中，我们通常出于试验目的假设原假设是真的，并尝试通过数据证据找出反证。

备择假设（H1 或 Ha）：与原假设相对，备择假设表示有效应、有差异或者研究假设中所期望证实的情况。

举例说明：

假设我们要研究一种新药是否比现有的药物更有效。在这种情况下：

• 原假设H0 将会声明：“新药的效果与现有药物相同。”
• 备择假设H1 将会声明：“新药的效果比现有药物更好。”

为了验证这个假设，研究人员会开展实验，收集数据。如果实验数据显示新药确实比现有药物有显著的效果提升，则研究人员可能会拒绝原假设，从而接受备择假设。反之，如果数据不足以证明新药效果的提升，则原假设不能被拒绝。

深入说明：

在这个实验中，研究人员会通过p值来确定数据是否显著。p值衡量的是，在原假设为真的情况下，观察到的效果或更极端效果出现的概率。如果这个概率非常低（通常小于设定的显著性水平，如0.05），那么研究者将拒绝原假设，因为这种情况在原假设为真时发生的可能性很小。

总结，原假设和备择假设是构建在逻辑对立的基础上，通过数据分析来决定哪一个假设更可能正确。