1、單雙側檢驗是看你的統計指標的屬性，如果該指標只有上限或只有下限，則用單側檢驗，如果它的範圍在一個區間內，則用雙側檢驗。

2、統計推斷的定義：統計推斷statistical inference 根據帶隨機性的觀測資料（樣本）以及問題的條件和假定（模型），而對未知事物作出的，以機率形式表述的推斷。它是數理統計學的主要任務，其理論和方法構成數理統計學的主要內容。

3、統計推斷概述：統計推斷[statistical inference] 根據帶隨機性的觀測資料（樣本）以及問題的條件和假定（模型），而對未知事物作出的，以機率形式表述的推斷。它是數理統計學的主要任務，其理論和方法構成數理統計學的主要內容。統計推斷的一個基本特點是：其所依據的條件中包含有帶隨機性的觀測資料。以隨機現象為研究物件的機率論，是統計推斷的理論基礎。在數理統計學中，統計推斷問題常表述為如下形式：所研究的問題有一個確定的總體，其總體分佈未知或部分未知，透過從該總體中抽取的樣本（觀測資料）作出與未知分佈有關的某種結論。例如，某一群人的身高構成一個總體，通常認為身高是服從正態分佈的，但不知道這個總體的均值，隨機抽部分人，測得身高的值，用這些資料來估計這群人的平均身高，這就是一種統計推斷形式，即引數估計。若感興趣的問題是“平均身高是否超過1.7（米）”，就需要透過樣本檢驗此命題是否成立，這也是一種推斷形式，即假設檢驗。由於統計推斷是由部分（樣本）推斷整體（總體），因此根據樣本對總體所作的推斷，不可能是完全精確和可靠的，其結論要以機率的形式表達。統計推斷的目的，是利用問題的基本假定及包含在觀測資料中的資訊，作出儘量精確和可靠的結論。

單側檢驗指按分佈的一側計算顯著性水平機率的檢驗。用於檢驗大於、小於、高於、低於、優於、劣於等有確定性大小關係的假設檢驗問題。這類問題的確定是有一定的理論依據的。假設檢驗寫作：μ1<μ2或μ1>μ2。 雙側檢驗指按分佈兩端計算顯著性水平機率的檢驗， 應用於理論上不能確定兩個總體一個一定比另一個大或小的假設檢驗。一般假設檢驗寫作H1：μ1≠μ2。