臨界值是在原假設下，檢驗統計量在分佈圖上的點，這些點定義一組要求否定原假設的值。這組值稱為臨界或否定區域。通常，單側檢驗有一個臨界值，雙側檢驗有兩個臨界值。在臨界值處，當原假設為真時，檢驗統計量在檢驗的否定區域中有值的機率等於顯著性水平（用 α 或 alpha 表示）。
圖 A
圖 B
計算臨界值的示例在假設檢驗中，可透過兩種方法來確定樣本中是否有足夠的證據來否定 H0 或無法否定 H0。最常用的方法是將 p 值與預先指定的 α 值（α 是在 H0 為真時否定 H0 的機率）進行比較。但是，等效方法是將基於資料計算的檢驗統計量值與臨界值進行比較。下面的示例說明如何計算單樣本 t 檢驗和單因子方差分析的臨界值。計算單樣本 t 檢驗的臨界值假定要針對十個觀測值執行單樣本 t 檢驗，進行雙側備擇假設（即，H1 不等於），並且使用的 alpha 等於 0.10：
這會得出逆累積機率，該值等於臨界值 1.83311。如果 t 統計量的絕對值大於此臨界值，則可以在顯著性水平為 0.10 時否定原假設 H0。計算方差分析（單因子方差分析）的臨界值假定要針對十二個觀測值執行單因子方差分析，該因子有三個水平，並且使用的 alpha 等於 0.05：
這會得出逆累積機率（即臨界值）4.25649。如果 F 統計量大於此臨界值，則可以在顯著性水平為 0.05 時否定原假設 H0。
臨界值是在原假設下，檢驗統計量在分佈圖上的點，這些點定義一組要求否定原假設的值。這組值稱為臨界或否定區域。通常，單側檢驗有一個臨界值，雙側檢驗有兩個臨界值。在臨界值處，當原假設為真時，檢驗統計量在檢驗的否定區域中有值的機率等於顯著性水平（用 α 或 alpha 表示）。
圖 A
圖 B
計算臨界值的示例在假設檢驗中，可透過兩種方法來確定樣本中是否有足夠的證據來否定 H0 或無法否定 H0。最常用的方法是將 p 值與預先指定的 α 值（α 是在 H0 為真時否定 H0 的機率）進行比較。但是，等效方法是將基於資料計算的檢驗統計量值與臨界值進行比較。下面的示例說明如何計算單樣本 t 檢驗和單因子方差分析的臨界值。計算單樣本 t 檢驗的臨界值假定要針對十個觀測值執行單樣本 t 檢驗，進行雙側備擇假設（即，H1 不等於），並且使用的 alpha 等於 0.10：
選擇計算 > 機率分佈 > t。選擇累積機率。在自由度中，輸入 9（觀測值個數減去 1）。在輸入常量中，輸入 0.95（1 減去 alpha 的一半）。這會得出逆累積機率，該值等於臨界值 1.83311。如果 t 統計量的絕對值大於此臨界值，則可以在顯著性水平為 0.10 時否定原假設 H0。計算方差分析（單因子方差分析）的臨界值假定要針對十二個觀測值執行單因子方差分析，該因子有三個水平，並且使用的 alpha 等於 0.05：
選擇計算 > 機率分佈 > F。選擇逆累積機率。在分子自由度中，輸入 2（因子水平數減去 1）。在分母自由度中，輸入 9（誤差的自由度）。在輸入常量中，輸入 0.95（1 減去 alpha）。這會得出逆累積機率（即臨界值）4.25649。如果 F 統計量大於此臨界值，則可以在顯著性水平為 0.05 時否定原假設 H0。