沒有拒絕 Neyman-Pearson 方法中的 null 是否意味著人們應該“接受”它？
基於 Neyman-Pearson 假設檢驗理論，不拒絕原假設是否意味著應該接受原假設？
（如果採用Fisher 的零假設檢驗理論，這種說法絕對是荒謬的，但如果選擇NPHT 豈不是有意義？）
如果“Neymann-Pearson 方法”被狹義地理解為通過在原假設之外引入替代假設來擴展 Fisher 的方法，那麼就沒有改變術語的動機。備選方案只能影響檢驗統計量的選擇（通過考慮檢驗的功效）；一旦做出選擇，檢驗統計量的分佈就會在零值下計算。“未能拒絕”反映了零假設和替代假設之間的這種不對稱性†; 在積累足夠的相反證據之前，您暫時假設 null 為真。（“保留”是另一種表達方式。）教育家們努力使用這種良好的語義區別，試圖避免這樣一種誤解，即“微不足道”的結果必然反映了反對替代方案的證據優勢。例如，考慮來自具有單位方差和未知均值的高斯分佈的單個觀測值，. 與點 null & 替代對比, 大小檢驗僅在以下情況下拒絕 null, 即使替代方案在任何時候都得到更好的支持.
另一方面，如果您要認真對待 NP 方法的決策理論框架（請參閱此處的優秀答案），那麼您就不會費心執行對您的目的而言動力不足的測試；然後談論“接受”零假設似乎更明智。從這個觀點出發，一些著名的測試理論闡釋者顯然是這麼認為的。Lehmann & Romano (2005)，Testing Statistical Hypotheses，自始至終毫不掩飾地使用“接受”和“拒絕”。Casella & Berger (2002)，統計推斷，也使用“接受”和“拒絕”，甚至說“或者“。‡
† 當空值的複合（通過指定參數值的範圍，或者由於沒有通過對輔助統計量進行調節而消除的有害參數）時，不對稱性會加劇，在這種情況下，除非檢驗統計量是在其任何構成簡單零點下都足夠極端。
‡ 在 Cox & Hinkley (1974) Theoretical Statistics中，管理四個關於測試的章節，而不使用“accept”或“reject”，除了一次在嚇人的引用中。