一、檢驗假設的定義：假設檢驗是數理統計學中根據一定假設條件由樣本推斷總體的一種方法。二、檢驗假設的具體作法：根據問題的需要對所研究的總體作某種假設，記作H0；選取合適的統計量，這個統計量的選取要使得在假設H0成立時，其分佈為已知；由實測的樣本，計算出統計量的值，並根據預先給定的顯著性水平進行檢驗，作出拒絕或接受假設H0的判斷。常用的假設檢驗方法有u-檢驗法、t檢驗法、χ2檢驗法(卡方檢驗)、F-檢驗法，秩和檢驗等。三、檢驗假設的注意事項：1、做假設檢驗之前，應注意資料本身是否有可比性。2、當差別有統計學意義時應注意這樣的差別在實際應用中有無意義。3、根據資料型別和特點選用正確的假設檢驗方法。4、根據專業及經驗確定是選用單側檢驗還是雙側檢驗。5、當檢驗結果為拒絕無效假設時，應注意有發生I類錯誤的可能性，即錯誤地拒絕了本身成立的H0，發生這種錯誤的可能性預先是知道的，即檢驗水準那麼大;當檢驗結果為不拒絕無效假設時，應注意有發生II類錯誤的可能性，即仍有可能錯誤地接受了本身就不成立的H0，發生這種錯誤的可能性預先是不知道的，但與樣本含量和I類錯誤的大小有關係。6、判斷結論時不能絕對化，應注意無論接受或拒絕檢驗假設，都有判斷錯誤的可能性。7、報告結論時是應注意說明所用的統計量，檢驗的單雙側及P值的確切範圍。

　　⑴ 在原假設為真時，決定放棄原假設，稱為第一類錯誤，其出現的機率通常記作α；

　　⑵ 在原假設不真時，決定接受原假設，稱為第二類錯誤，其出現的機率通常記作β。

　　通常只限定犯第一類錯誤的最大機率α， 不考慮犯第二類錯誤的機率β。這樣的假設 檢驗又稱為顯著性檢驗，機率α稱為顯著性水平。

　　最常用的α值為0.01、0.05、0.10等。一般情況下，根據研究的問題，如果放棄真假設損失大，為減少這類錯誤，α取值小些 ，反之，α取值大些。