假设检验的原理
假设检验的基本原理是
假设检验的基本原理是假设检验是统计学中一种常用的推断方法，用于检验某个假设是否成立。
它的基本原理是通过样本数据对总体参数进行推断，从而对研究假设进行验证。
假设检验通常包括以下几个步骤，建立原假设和备择假设、选择合适的检验统计量、确定显著性水平、计算检验统计量的值、做出统计决策、给出结论。
首先，建立原假设和备择假设是假设检验的第一步。
原假设（H0）是研究者要进行检验的假设，通常是关于总体参数的陈述，而备择假设（H1）则是对原假设的补充或否定。
在建立原假设和备择假设时，需要明确研究的问题、总体参数的性质以及研究者的假设。
其次，选择合适的检验统计量是假设检验的关键步骤之一。
检验统计量是根据样本数据计算得出的用于检验假设的统计量，它能够在一定程度上反映总体参数的信息。
选择合适的检验统计量需要考虑总体参数的性质、样本容量的大小以及研究问题的具体情况。
确定显著性水平是假设检验的另一个重要步骤。
显著性水平（α）是研究者事先确定的，在假设检验中用来衡量拒绝原假设的程度。
通常情况下，显著性水平取0.05或0.01，代表了在原假设为真的情况下，犯下拒绝原假设的错误的概率。
计算检验统计量的值是假设检验的具体操作之一。
通过样本数据计算得出的检验统计量的值将用于进行统计决策，从而对原假设进行验证。
在计算检验统计量的值时，需要根据具体的检验问题选择合适的统计方法和公式进行计算。
做出统计决策是假设检验的核心步骤之一。
根据检验统计量的值和显著性水平，研究者需要对原假设进行拒绝或接受的决策。
如果检验统计量的值落入拒绝域，就可以拒绝原假设；反之，如果检验统计量的值落入接受域，就应该接受原假设。
最后，给出结论是假设检验的最终步骤。
在做出统计决策后，研究者需要根据所得的结果对研究假设进行验证，并给出相应的结论。
结论应该简洁明了，准确表达研究者对研究问题的观点和看法。
综上所述，假设检验的基本原理是通过样本数据对总体参数进行推断，从而对研究假设进行验证。
7-1假设检验的基本概念
出判断: 是接受, 还是拒绝.
1. 基本原理
0 0.05
小概率推断原理： 小概率事件(概率接近0的事件)，
在一次试验中，实际上可认为
不会发生.
2. 基本思想方法
采用概率性质的反证法： 先提出假设H0 , 再根据 一次抽样所得到的样本值进行计算. 若导致小概率
分析: 用 和 分别表示这一天袋
装糖重总体 X 的均值和标准差,
由长期实践可知, 标准差较稳定, 设 0.015,
则 X ~ N (, 0.0152 ), 其中 未知.
问题: 根据样本值判断 0.5 还是 0.5？
解 1º提出两个对立假设
H0 : 0 0.5 和 H1 : 0 . 2º X 是 的无偏估计量,
样结果判断总体(所有产品)的次品率是否≤3%?
解 用假设检验法，步骤：
1º提出假设 H0: p 0.03 其中 p为总体的次品率.
2º设
Xi
1, 0,
第i次抽取的产品是次品 否则
则 Xi ~ B(1, p)
(i 1, 2, , 10)
令 Y X1 X2 Xn ={ 抽取的10件产品中的次品数 }
误的概率是显著性水平 .
P{拒绝原假设H0 H0为真 }
(2) 当原假设H0不真, 而观察值却落入接受域, 而作出了接受H0的判断, 称为第二类错误, 又叫 取伪错误, 这类错误是“以假为真”.
犯第二类错误的概率记为
P{接受 H0 | H0不真} .
注 1º当样本容量 n 一定时, 若减少犯第一类错 误的概率, 则犯第二类错误的概率往往增大.
则我们拒绝 H0,
反之, 如果 u
x 0 / n
假设检验的基本原理
假设检验的基本原理
一、假设检验的基本原理
参数估计是当总体的参数不明确时， 根据数据找出参数的估计，以确定相应的 总体。而当对参数的信息有所了解，但存 在某种怀疑或猜测而需要证实时，则应用 假设检验的方法来处理。
一、假设检验的基本原理
一、 假设检验的概念
统计假设（简称假设）的实 质是施加于一个或多个总体的概 率分布或其参数的假设。所做的 假设可以是正确的，也可以是不 正确的。
一、假设检验的基本原理
反证法是假设检验所采用的逻辑推理方 式，为了检验某个假设是否成立，先假设它 是正确的，然后根据抽样理论和样本信息计 算样本特征值。如果样本特征值在小概率范 围内，就拒绝假设；如果样本特征值在大概 率范围内，就接受假设。
一、假设检验的基本原理
四、 假设检验的两类错误与功效
1. 假设检验的两类错误
一、假设检验的基本原理
假设检验过程中可能发生以下两类错误： （1）第Ⅰ类错误（type Ⅰ error）。当原假设为 真时拒绝原假设所犯的错误称为第Ⅰ类错误，又称弃 真错误。犯第Ⅰ类错误的概率记为α。 （2）第Ⅱ类错误（type Ⅱ error）。当原假设为假 时没有拒绝原假设所犯的错误称为第Ⅱ类错误，又称 取伪错误。犯第Ⅱ类错误的概率记为β。
一、假设检验的基本原理
二、 原假设和备择假设
在假设检验中，首先需要提出两种假设，即原假设和备择假 设。在统计学中，把统计假设称为原假设或零假设(null hypothesis),记为H0。原假设通常是研究者想收集证据予以反对 的假设。与原假设对立的是备择假设(alternative hypothesis) ，记为H1。备择假设通常是研究者想收集证据予以支持的假设， 也称研究假设。备择假设通常用于支持研究者的看法，比如，研 究者正在做一项研究，并想使用假设检验来支持自己的看法，就 应该把自己认为正确的看法作为备择假设。
7-1假设检验的基本概念
故拒绝假设H0, 认为该厂罐头的标准重量不是500 g .
二、假设检验的基本概念
1. 显著性水平
= P{拒绝H0 | H0正确}
数 称为显著性水平. 如：对于例2,
X μ0 当H 0 : μ 500为真时，U ~ N 0,1, σ/ n
P{| U | u / 2 | H 0为真} ,
/ n 我们拒绝 0 ; H
反 之 ， 如 果 u | |
如 果 | u |
| x 0 |
/ 2 , 则 称x与 0 差 异 是 显 著 的则 ,
| x 0 |
/ n
/ 2 , 则 称 x 与 0 差 异 是 不
显著的，则我们接受0 ; H
上述 x与0有无显著差异的判断是 在显著性水平
假设检验的两类错误
真实情况 (未知) H0为真 H0不真 所 接受 H0 正确 犯第Ⅱ类错误 作 决 策 拒绝 H0 犯第I类错误 正确
思考题
请大家思索下列问题:
1. 在假设检验中,用 a和b分别表示犯第一类错 误和犯第二类错误的概率,则当样本容量一定时, 下列说法正确的是（ C ）
（A）a减小b也减小； （B）a增大b也增大； （C）a与b不能同时减少,减少其中一个,另一 个往往就会增大； （D）（A）与（B）同时成立.
n 5, σ 2, x 502.4, μ0 500
当
| x 0 |
/ n
/ 2时, 接 受H 0 .
如：若取定 = 0.05， 则μα / 2 μ0.025 1.96. 3° 在假设 H0成立的条件下，由样本计算
| u | | x 0 |
/ n
2.68 1.96 / 2 0.025 .
简述假设检验的基本原理
简述假设检验的基本原理假设检验是统计学中的一个重要的方法，它可以用来根据给定的样本数据来评估关于总体参数的某些假设是否正确、可靠和有效。
这种检验的基本原理有以下几点：首先，假设检验是根据样本数据来判断是否一个总体参数满足某种假设，通过比较样本结果与假设之间的关系来判断。
假设检验一般由三个步骤组成：（1）确定假设：确定假设中的总体参数以及检验统计量之间的关系；（2）确定检验统计量：按照假设，计算出样本抽样结果，用于判断总体参数是否满足假设；（3）确定显著性水平：所设定的显著性水平，用于判断检验统计量（样本抽样结果）是否满足假设，从而得出统计结论。
其次，假设检验涉及的冒险，即是否拒绝或接受假设，是有概率的。
在进行假设检验之前，最重要的是确定类型I和类型II错误。
类型I错误又称为误报错误，即在实际情况为假设正确的情况下拒绝该假设，这样产生的结果就是拒绝不正确的假设，在实际情况下发生的可能性被称为alpha显著性水平；类型II错误又称为漏报错误，即在实际情况下假设不正确的情况下接受该假设，这样产生的结果就是接受不正确的假设，在实际情况下发生的可能性被称为beta显著性水平。
在进行假设检验时，alpha和beta的值是事先确定的，一般常用0.05，表示出现错误的概率不超过5%。
最后，假设检验有两种统计显著性类型，即双尾检验和单尾检验。
双尾检验即检验的类型是左右双边，通常用于判断假设中涉及的总体参数是否等于某个特定值，而单尾检验则是只判断左尾或右尾，通常用于判断总体参数大于或小于某个特定值。
总之，假设检验是一种常用的统计检验方法，它可以用来根据样本数据来判断总体参数是否满足某一假设，基本原理有三点：确定假设，确定检验统计量，确定显著性水平。
此外，假设检验还涉及到有关alpha、beta，以及两种统计显著性类型的确定等内容。
因此，假设检验的基本原理是假设检验过程中数据分析的基础，是统计学中重要的方法之一。
假设检验的基本思想是什么原理(简述假设检验的思想原理)
假设检验的基本思想是什么原理（简述假设检验的思想原理）
假设检验的基本思想是“小概率事件”原理，其统计推断方法是带有某种概率性质的反证法。
小概率思想是指小概率事件在一次试验中基本上不会发生。
反证法思想是先提出检验假设，再用适当的统计方法，利用小概率原理，确定假设是否成立。
即为了检验一个假设H0是否正确，首先假定该假设H0正确，然后根据样本对假设H0做出接受或拒绝的决策。
如果样本观察值导致了“小概率事件”发生，就应拒绝假设H0，否则应接受假设H0。
假设检验中所谓“小概率事件”，并非逻辑中的绝对矛盾，而是基于人们在实践中广泛采用的原则，即小概率事件在一次试验中是几乎不发生的，但概率小到什么程度才能算作“小概率事件”，显然，“小概率事件”的概率越小，否定原假设H0就越有说服力，常记这个概率值为α(0<α<1)，称为检验的显著性水平。
对于不同的问题，检验的显著性水平α不一定相同，一般认为，事件发生的概率小于0.1、0.05或0.01等，即“小概率事件”
基本步骤：
1、提出检验假设又称无效假设，符号是H0；备择假设的符号是H1。
H0：样本与总体或样本与样本间的差异是由抽样误差引起的；H1：样本与总体或样本与样本间存在本质差异；
预设的检验水平一般为0.05。
假设检验的原理是什么
假设检验的原理是什么
假设检验的原理是基于统计学原理和概率论的一种做法。
它用于判断一个样本所代表的总体是否满足某个给定的假设，即根据观察到的样本数据推断总体的真实情况。
假设检验的过程通常包括以下步骤：
1. 建立原假设(H0)和备择假设(H1)：原假设是针对总体参数所提出的某种假设，备择假设是对原假设的补集。
通常，原假设是一种默认假设，而备择假设是我们想要得到支持的假设。
2. 选择合适的统计量：统计量是根据样本数据计算得出的一个数值，它可以用于推断总体参数的情况。
3. 设定显著性水平：显著性水平是在进行假设检验时所容许的犯错误的概率。
通常，常用的显著性水平是0.05或0.01。
4. 计算样本数据的统计量，并进行假设检验：根据样本数据计算得出统计量的值，然后将其与预先设定的临界值进行比较，以决定是否拒绝原假设。
5. 得出结论：根据计算结果，对原假设的拒绝或接受进行判断并给出相应的结论。
假设检验的目的是通过统计推断的方法来对总体的均值、方差等参数进行推断和判断。
它在科学研究、质量控制等领域中得到广泛应用。
通过假设检验可以帮助我们进行科学决策，并得出对总体参数的信心区间和推断结果。
假设检验
U | X 0 | ~ N (0,1)
/ n
3° 在假设 H0成立的条件下，由样本判断 y 小概率事件是否发生。 y pU ( x )
P{| U | u / 2 }
2
2
当 0很小时 ,
uα / 2
O uα / 2
x
{| U | u / 2 }是个小概率事件 （如上图） .
第一节
假设检验的 基本概念
一、假设检验的基本原理 二、假设检验的基本概念 三、两类错误
回
四、假设检验的一般步骤
停 下
实验设计 数理统计 统计推断
参数估计 假设检验 (回归分析)
统计推断： 研究如何加工、处理数据，从而 对所考察对象的性质做出尽可能精确和可靠的 推断.
很难发生. 但“很难发生”不等于“不发生”, 因而 假设检验所作出的结论有可能是错误的. 这种错误 有两类： (1) 当原假设H0为真, 观察值却落入拒绝域, 而 作出了拒绝H0的判断, 称为第Ⅰ类错误, 又叫弃真 错误, 这类错误是“以真为假”. 犯第Ⅰ类错误的概 率就是显著性水平 .
= P { 拒绝原假设H0 | H0为真 }
H0称为原假设或零假设, H1称为备择假设.
4. 拒绝域与临界点样本值x=(x1, x2, · · · , xn)所组成的集合. W1 = { x x 且使H0不成立}
W1 W1 ： 拒绝原假设H0的检验统计量的取值范围.
W1 x x , U U
根据小概率原理, 如果H 0为真，则 | x 0 | 不应太大，则由一次试验得到
满足不等式
| u |
| x 0 |
/ n
假设检验的原理
假设检验的原理
假设检验是一种统计学的方法，用来确定一个样本数据集是否支持或反驳一个给定的假设。
假设检验基于两个假设，即零假设和备择假设。
零假设通常表示没有效应或没有差异的假设，而备择假设则表示存在某种效应或差异的假设。
假设检验的原理是通过收集样本数据来评估零假设的真实性。
假设检验的步骤包括：
1. 提出研究问题和相应的零假设与备择假设；
2. 选择适当的假设检验方法和显著性水平；
3. 收集样本数据并计算测试统计量的值；
4. 根据选择的假设检验方法，计算出对应的p值；
5. 分析p值，若p值小于显著性水平，则拒绝零假设，否则接受零假设；
6. 根据结论，对研究问题进行解释和推断。
假设检验的目标是基于样本数据对总体进行推断。
通过确定是否拒绝零假设，可以判断样本数据是否支持或反驳研究者的假设。
需要注意的是，假设检验并不能证明假设的真实性，而只是提供对假设的一种统计推断。
此外，选择假设检验方法和显著性水平要根据具体的研究问题和数据情况进行合理的选择。
假设检验的基本原理
假设检验的基本原理
假设检验是统计学中一种常用的推断方法，用于判断某个假设是否成立。
在进行假设检验时，我们需要明确两个假设，原假设（H0）和备择假设（H1）。
原假设通常是我们想要进行检验的假设，备择假设则是对原假设的补充或否定。
假设检验的基本原理包括以下几个方面。
首先，假设检验的基本原理之一是确定检验统计量。
检验统计量是根据样本数据计算得出的一个统计量，它能够反映出原假设的合理性。
常见的检验统计量包括t统计量、F统计量、χ²统计量等，具体选择哪种统计量取决于所要进行的假设检验类型。
其次，假设检验的基本原理还包括确定显著性水平。
显著性水平（α）是在进行假设检验时事先确定的一个概率值，通常取0.05或0.01。
它代表了在原假设为真的情况下，拒绝原假设的概率。
显著性水平的选择需要根据具体问题和实际需求来确定。
接着，假设检验的基本原理还涉及到确定拒绝域。
拒绝域是在确定了检验统计量和显著性水平的基础上，根据显著性水平确定的一个临界值范围。
如果计算得到的检验统计量落在拒绝域内，就拒绝原假设；否则，接受原假设。
最后，假设检验的基本原理还包括做出统计决策。
在进行假设检验后，根据样本数据计算得到的检验统计量，我们需要根据拒绝域的划分，来做出接受或拒绝原假设的决策。
同时，我们还需要对决策结果进行解释和推断，以便对研究问题做出合理的结论。
综上所述，假设检验是统计学中一种重要的推断方法，其基本原理包括确定检验统计量、确定显著性水平、确定拒绝域和做出统计决策。
通过对这些基本原理的理解和应用，我们能够更准确地进行假设检验，并得出科学合理的结论。
假设检验原理
假设检验原理假设检验是统计学中一种重要的推断方法，它用于检验关于总体的假设。
在进行假设检验时，我们首先提出一个关于总体参数的假设，然后利用样本信息来判断这个假设是否成立。
假设检验的原理是基于概率理论和数理统计学的基本原理，通过对样本数据的分析，来对总体参数的假设进行推断。
在进行假设检验时，我们通常会提出两种假设，分别是原假设（H0）和备择假设（H1）。
原假设是我们想要进行检验的假设，通常表示没有效应或者没有变化，备择假设则是对原假设的补充，表示有效应或者有变化。
在进行假设检验时，我们会根据样本数据来判断是支持原假设还是支持备择假设。
假设检验的原理主要包括以下几个步骤：1. 提出假设，首先我们需要明确所要进行检验的假设是什么，包括原假设和备择假设。
在提出假设时，我们需要考虑到问题的实际背景和研究的目的，明确假设的内容。
2. 确定显著性水平，显著性水平是进行假设检验时所允许的犯第一类错误的概率，通常用α表示。
在确定显著性水平时，我们需要根据问题的具体情况来确定，一般取0.05或0.01。
3. 计算统计量，根据样本数据计算出相应的统计量，例如t值、z值、F值等，这些统计量的分布通常是已知的，可以根据这些分布来进行后续的推断。
4. 做出决策，根据计算得到的统计量和显著性水平，我们可以得出是否拒绝原假设的结论。
如果统计量落在拒绝域内，我们就可以拒绝原假设；如果统计量落在接受域内，我们就接受原假设。
5. 得出结论，最后根据做出的决策，我们可以对原假设进行结论，判断在给定的显著性水平下，我们是支持原假设还是支持备择假设。
总的来说，假设检验是一种通过样本数据对总体参数的假设进行推断的方法，它是统计学中一种重要的推断方法。
在进行假设检验时，我们需要明确提出假设、确定显著性水平、计算统计量、做出决策和得出结论。
通过假设检验，我们可以对问题进行科学的推断和分析，为决策提供依据。
假设检验的原理是什么
假设检验的原理是什么假设检验是统计学中一种常用的推断方法，它用于检验关于总体参数的假设。
在进行假设检验时，我们通常会提出一个关于总体参数的假设，然后利用样本数据对这个假设进行检验，从而得出关于总体的结论。
假设检验的原理主要包括建立假设、选择检验统计量、确定显著性水平、计算P值和做出结论等步骤。
首先，建立假设是假设检验的第一步。
在进行假设检验时，我们通常会提出一个关于总体参数的假设，这个假设可以是关于总体均值、总体比例、总体方差等方面的假设。
根据研究问题的不同，我们可以提出双侧假设（即总体参数等于某个值）或单侧假设（即总体参数大于或小于某个值）。
其次，选择检验统计量是假设检验的关键步骤之一。
检验统计量是利用样本数据计算得到的一个统计量，它能够在一定程度上反映总体参数的取值情况。
在进行假设检验时，我们需要根据研究问题的具体情况选择合适的检验统计量，常见的检验统计量包括Z统计量、t统计量、卡方统计量等。
确定显著性水平是假设检验的另一个重要步骤。
显著性水平通常用α表示，它是在进行假设检验时所允许的犯第一类错误的概率。
常用的显著性水平包括0.05、0.01等。
确定显著性水平后，我们就可以根据检验统计量的取值来计算P值。
计算P值是假设检验的关键步骤之一。
P值是在原假设成立的条件下，得到样本统计量或更极端值的概率。
在进行假设检验时，我们通常会将P值与显著性水平进行比较，从而判断原假设是否应该被拒绝。
如果P值小于显著性水平，我们就可以拒绝原假设；反之，如果P值大于显著性水平，我们就接受原假设。
最后，根据P值的大小来做出结论是假设检验的最后一步。
在进行假设检验时，如果P值小于显著性水平，我们就可以拒绝原假设，否则我们就接受原假设。
通过假设检验，我们可以对总体参数的假设进行科学的检验，从而得出合理的结论。
综上所述，假设检验是统计学中一种常用的推断方法，它通过建立假设、选择检验统计量、确定显著性水平、计算P值和做出结论等步骤，来对总体参数的假设进行检验，从而得出关于总体的结论。
第六章 假设检验
第六章 假设检验 6.2 总体均值的假设检验
【例6-7】某厂采用自动包装机分装产品，假定每包产 品的重量服从正态分布，每包标准重量为1000克。某 日随机抽查9包，测得样本平均重量为986克，样本标 准差为24克。试问在0.05的显著性水平上，能否认为 这天自动包装机工作正常？
第六章 假设检验 6.2 总体均值的假设检验
6.1
第六章 假设检验 假设检验的原理
6.1.2
假设检验的步骤
（三）选取显著性水平，确定原假设的拒绝域和接受域 显著性水平表示原假设为真时拒绝原假设 H 0 的最大概率， 即拒绝原假设所冒的风险，用 表示。 通常取 0.05 或 0.01
6.1
第六章 假设检验 假设检验的原理
第六章 假设检验 6.2 总体均值的假设检验
6.2.3 2未知时小样本情况下总体均值的假设检验
设总体服从正态分布 X ~ N (, 2 ) ，在小样本抽样情况下，利用 t检验法对总体均值的检验，其检验统计量及分布为：
t X ~ t (n 1) s/ n
第六章 假设检验 6.2 总体均值的假设检验
6.1
第六章 假设检验 假设检验的原理
6.1.4
假设检验中的P值
H1 : 0
（2）左侧检验：H 0 : 0
P值= P(Z zc 0 )
H 0 : 0
（3）右侧检验：
H1 : 0
假设检验基本原理
6
（二）确定适当的检验统计量，并计算统计量的具 体数值 • 检验统计量是根据所抽取样本计算的用于检验原 假设是否成立的随机变量。 • 检验统计量中应当含有所要检验的总体参数。 • 检验统计量还应该在“H0成立”的前提下有已知 的分布，从而便于计算出现某种特定的观测结果 的概率。
7
8
（三）规定显著性水平 • 显著性水平是指当原假设为正确时人们却把它拒绝 了的概率或风险。 • 这个概率是人为确定的，通常取α＝0.05或0.01。 • 这表明，当作出接受原假设的决定时，其正确的可 能性（概率）为95％或99％。
16
17
六、假设检验中的P值与临界值
（一）P-值规则 • 所谓P-值，实际上是检验统计量超过(大于或小 于)具体样本观测值的概率。 • 如果P-值小于所给定的显著性水平，则认为原 假设不太可能成立；如果P-值大于所给定的标 准，则认为没有充分的证据否定原假设。
18
（二）临界值规则 • 根据所提出的显著性水平标准（它是概率密度曲线 的尾部面积）查表得到相应的检验统计量的数值， 称作临界值。 • 用检验统计量的观测值与临界值作比较，观测值落 在临界值所划定的尾部（称之为拒绝域）内，便拒 绝原假设； • 观测值落在临界值划定的尾部之外（称之为不能拒 绝域）的范围内，则认为拒绝原假设的证据不足。
H1 :θ≠θ0 H1 :θ<θ0 H1 :θ>θ0
15
• 在统计的假设检验中，一般是把“不能轻易否定 的命题”作为原假设，把“需要验证的问题”作 为备择假设。什么是“不能轻易否定的命题”？ 一般来说，原有的理论、原有的看法、原有的状 况、或者说是那些保守的、历史的、经验的，在 没有充分论据证明其错误前总是被假定为正确的， 作为原假设，处于被保护的位置，而那些猜测的、 可能的、预期的取为备择假设。假设检验的目的 就是要用事实验证原来的理论、看法、状况等是 否成立，或更明确地说，是希望用事实推翻原假 设。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
假设检验的原理
假设检验的原理
假设检验：统计学中的一种推论过程，通过样本统计量得出的差异作为一般性结论，判断总体参数之间是否存在差异
假设检验的实质是对可置信性的评价，是对一个不确定问题的决策过程，其结果在一定概率上正确的，而不是全部。
（1）两类假设
对于任何一种研究而言，其结果无外乎有两种可能,即是否符合我们预期。
一般来说证伪一件事情比证实一件事容易，在行为科学的研究中，由于我们无法了解总体中除样本以外的个体情况，因此尝试拒绝虚无假设的方法优于证明备择假设。
备则假设：因变量的变化、差异却是是由于自变量的作用
往往是我们对研究结果的预期，用H1表示。
虚无假设：实际上什么也没有发生，我们所预计的改变、差异、处理效果都不存在
观察到的差异只是随机误差在起作用，用H0表示。
（2）小概率原理
小概率原理：小概率事件在一次试验中几乎是不可能发生的
至于什么就算小概率事件，那就是我们在计算前明确的决策标准，也就是显著性水平α。
在检验过程中，我们假设虚无假设是真实的，同时计算出观测到的差异完全是由于随机误差所致的概率。
之后将其与我们实现界定好的显著性水平比较，从而考虑是否依据小概率原理来拒绝虚无假设。
（3）两类错误
（本部分内容请参照实心信号检测论对照来看。
——MJ注）
Ⅰ型错误：当虚无假设正确时，我们拒绝了它所犯的错误，也叫α错误研究者得出了处理有效果的结论，而实际上并没有效果，即所谓“无中生有”
Ⅱ型错误：当虚无假设是错误的时候，我们没有拒绝所犯的错误，也叫β错误假设检验未能侦查到实际存在的处理效应，即所谓“失之交臂”
两类检验的关系
①α+β不一定等于1
②在其他条件不变的情况下，α与β不可能同时减小或增大
（4）检验的方向性
单侧检验：强调某一方向的检验，显著性的百分等级为α
双侧检验：只强调差异不强调方向性的检验，显著性百分等级为α/2
对于同样的显著性标准，在某一方向上，单侧检验的临界区域要大于双侧检验，因此如果差异发生在该方向，单侧检验犯β错误的概率较小，我们也说它的检验效力更高。
（5）假设检验的步骤
①根据问题要求，提出虚无假设和备择假设
②选择适当的检验统计量
③确定检验的方向性并规定显著性水平
④计算检验统计量的值
⑤将统计量的值与临界值对比做出决策
文章来源：博仁教育。