在假设检验中，拒绝原假设的规则主要包括以下几种：

P值检验

P值是指在原假设成立的条件下，出现当前样本统计量或更极端情况的概率。

如果P值小于给定的显著性水平（如0.05），则拒绝原假设。

临界值规则

对于双侧检验，拒绝域是检验统计量的绝对值大于临界值。

对于单侧检验（左侧或右侧），拒绝域是检验统计量大于或小于临界值。

临界值通常根据显著性水平和样本容量查正态分布表得到。

中心极限定理

当样本容量足够大时，样本统计量近似服从正态分布N（μ, σ²/n）。

根据正态分布的性质，可以确定临界值或计算P值。

具体拒绝规则示例

双尾检验

原假设：H₀: μ = μ₀

备择假设：H₁: μ ≠ μ₀

显著性水平：α

如果|Z| > Zα/2，则拒绝原假设。

单尾检验（右侧）

原假设：H₀: μ ≤ μ₀

备择假设：H₁: μ > μ₀

显著性水平：α

如果Z > Zα，则拒绝原假设。

单尾检验（左侧）

原假设：H₀: μ ≥ μ₀

备择假设：H₁: μ < μ₀

显著性水平：α

如果Z < -Zα，则拒绝原假设。

结论

在假设检验中，拒绝原假设的规则主要依赖于P值检验和临界值规则。根据研究设计和数据特性选择合适的检验类型（双尾或单尾），并查表或使用统计软件确定临界值或计算P值，从而做出是否拒绝原假设的决策。这些规则帮助我们在给定显著性水平下，判断是否有足够的证据否定原假设。