Answers:
统计假设检验的目的主要是施加自我怀疑，除非有合理的证据支持，否则我们在发布假设时要谨慎。因此，在通常的假设检验形式中，原假设提供了一个“魔鬼拥护者”，反对我们，并且只有在我们能够证明观察结果表明拥护者的论证不太可能是正确的情况下，才公布我们的假设。所以我们取做我们不想做的事情，然后看看我们是否能够拒绝它。如果我们可以拒绝它，那并不意味着我们的假设可能是正确的，只是它已经克服了这一基本障碍，因此值得考虑。如果我们做不到，那并不意味着我们的假设是错误的，可能就是我们没有足够的数据来提供足够的证据。正如@Bahgat正确建议的（+1），这很大程度上是Popper证伪主义的想法。
但是，可以进行一个测试，其中是您想要为真的事物，但是为了使该函数起作用，您需要证明该测试具有足够高的统计能力，才能确信拒绝空值。如果它实际上是错误的。计算统计能力比执行测试更加困难，这就是为什么很少使用这种形式的测试，而通常使用H 0是您不希望为真的替代方法的原因。
因此，您不必采用来反对您的假设，但这确实使测试过程更加容易。
卡尔·波普尔（Karl Popper）说：“ 我们不能最终肯定一个假设，但是我们可以最终否定它 ”。因此，当我们在统计数据中进行假设检验时，我们试图否定（拒绝）我们感兴趣（不可替代假设）的假设的相反假设（原假设）。由于我们可以轻松地指定原假设，但我们不知道替代假设到底是什么。例如，我们可能假设这两个总体之间存在均值差异，但我们无法指出差距有多大。
另请参见不相信原假设吗？
模型定义的协方差。因此，我对此的看法是，正如@whuber在下面的评论中指出的那样，尽管技术上很方便，但null通常是至关重要的。空值是参数空间中的一个点（可能是多变量），因此可以完全指定采样分布。或受限制的参数空间，并且可以将其替代表示为在该空间中是互补的，并且检验统计量基于从替代项下的较丰富参数集到空值项下的限制集之间的距离；或者，在非参数等级/顺序统计世界中，零值下的分布可以通过所有可能样本和结果的完整枚举得出（尽管在大样本中通常可以用某种正常值近似得出）。
这是一个公平而好的问题。@Tim已经给您提供了所有您需要以正式方式回答问题的方法，但是，如果您不熟悉统计假设检验，则可以通过在更熟悉的环境中进行思考来概念化原假设。
假设您被指控犯罪。在证明有罪之前，您是无辜的（无效假设）。律师提供您有罪的证据（替代假设），您的律师试图在审判（实验）期间使这一证据无效，最后，法官确定了您是否无罪，因为律师和律师提供了事实。如果反对您的事实不胜枚举，即您无辜的可能性非常低，那么法官（或陪审团）将根据证据证明您有罪。
现在考虑到这一点，您还可以概念化统计假设检验的功能，例如为什么独立的度量（或证据）很重要，因为毕竟您应该得到公平的审判。
但是，这个例子有其局限性，最终您必须正式理解零假设的概念。
因此，回答您的问题：
是的，存在零假设的原因（如上所述）。
不，这不只是一个约定，零假设是核心或统计假设检验，否则就无法按预期的方式工作。
简约法则（也称为奥卡姆剃刀）是科学的一般原理。根据该原理，我们假设一个简单的世界，直到可以证明该世界更加复杂为止。因此，我们假设原假设是一个更简单的世界，直到它可以被证伪为止。例如：
我们假定处理A和处理B的工作相同，直到显示不同为止。我们假定圣地亚哥之前的天气与哈利法克斯相同，直到我们给出不同的显示为止；我们假设男女薪水相同，直到我们给出不同的显示为止，依此类推。