在统计学中，原假设（也称零假设／H0）通常是指「没有变化、没有差异或没有影响」的状态。举个例子，如果你想知道新药和旧药的疗效是否有差别，那么原假设常常会设定为「这两种药的平均疗效相同」，也就是没有差异。
为什么要这么设定呢？因为检验假设时，需要有一个明确而简单的“起点”或“基准”来衡量。如果把原假设设为“相同”，代表你一开始先假装两者无差别，再看看数据有没有足够证据让你动摇这一先入观点。当你的实测数据显示出非常明显的差异时，你才会倾向去否定这个「没有差异」的立场，从而接受存在差异的可能性。
换句话说，就像判断一口白开水里有没有加盐一样，默认它是纯净的（没有差异），这是最干净、最中性的出发点。你拿样本（味道）去检验，如果尝出明显咸味，就证明它并非纯净水（因此原假设被推翻）。
如果起点本身就设定为“有差异”，那么你就没有一个简单、清晰、可作为对照的基准，检验过程会变得更复杂。设定为“相同”让整个检验过程更直观、更有逻辑，也更便于数学计算与推论。
所以，在六西格玛项目中，我们会把想要证明的事项放在到备择假设（Ha）。而对应的无变化或无差异状态则为原假设（H0）。通过统计检验，分析人员会尝试以数据证据“拒绝”原假设，进而支持备择假设所提出的主张。
