（一）假设检验的基本思想

所谓假设检验（hypothesis test）就是对一个关于总体参数或总体分布形式的假设，利用样本资料来检验其真或伪的可能性。具体来说，就是利用样本资料计算出有关的检验统计量，再根据该统计量的抽样分布理论来判断样本资料对原假设是否有显著的支持性或排斥性，即在一定的概率下判断原假设是否合理，从而决定应接受或否定原假设。所以，假设检验也称为显著性检验。
（二）假设检验的步骤 
1.提出原假设（null hypothesis）和备择假设(alternative hypothesis)
一般假设的设定采取如下形式： 
(1)原假设：，备择假设：，这种类型的假设检验称为双侧检验。 
(2)原假设：，备择假设：，这种类型的假设检验称为右侧检验。 
(3)原假设：，备择假设：，这种类型的假设检验称为左侧检验。

2.设计检验统计量 
    所设计的检验统计量应与原假设相关，与待检验参数的估计量相关，但不能包含待检验的未知参数，且能够知道当原假设为真时该统计量的具体分布。例如，检验统计量或者小样本方差未知时选用，它服从自由度为n-1的t分布。
3.给定显著性水平和确定相应的临界值 
       显著性水平（significance level）表示假设为真时拒绝原假设的概率，也就是拒绝原假设所冒的风险，用表示。一般取值很小，常取0.1、0.05、0.01。给定了显著性水平，也就确定了原假设的接受区域和拒绝区域。这两个区域的交界点就是临界值。

4.决策 
    依据假设检验的规则，由样本资料计算出检验统计量的实际值，与临界值比较，视实际值落入接受区域还是拒绝区域，做出接受或拒绝原假设的结论。
（三）两类错误和假设检验的规则

假设检验做出的决策既可能犯“弃真错误”又可能犯“取伪错误”。“弃真错误”称作假设检验的“第Ⅰ类错误”，“取伪错误”称作假设检验的“第Ⅱ类错误”。假设检验犯第Ⅰ类错误的原因是，在原假设为真的情况下，检验统计量不巧刚好落入小概率的拒绝区域，从而导致拒绝了原假设。因而，第Ⅰ类错误发生的概率就是显著性水平。第Ⅱ类错误发生的概率记为。 
概率与是密切相关的，在样本一定的条件下，减小，就增大了；反之，增大，就减小了。鉴于犯第Ⅰ类与第Ⅱ类错误的概率与的相互关系，在一定的样本容量下，期望两者都非常小是困难的。从而，在假设检验中，内曼（J. Neyman）和皮尔逊(Egon S. Pearson)提出了一个原则，即在控制犯第Ⅰ类错误的概率的条件下，尽可能使犯第Ⅱ类错误的概率减小。在假设检验实践中，该原则的含义是，原假设要受到维护，使它不致被轻易否定，若要否定原假设，必须有充分的理由。