假设检验的基本原理：先对总体的特征，提出某种假设，接着利用样本信息，构造出检验统计量，进而判断是拒绝原假设，还是不拒绝原假设。

值得注意的是，在假设检验中，不拒绝原假设并不等同于接受原假设，不拒绝原假设的意思，只能说明我们利用现有的信息还不能够验证是否拒绝原假设的决定，这时我们需要再收集信息来做出决策，如增大样本量等[2]。

假设检验的基本思想：就是根据小概率反证法的思想，来判断原假设的真实性。

小概率原理认为：概率很小的事件，在一处试验、观察中实际上是不会发生的，而一旦发生了，我们就有理由认定原先的假设是不合理的，就有理由拒绝原假设。

简单地说，假设检验的方法是：为了证明某个假设的真实性，我们先假设原假设是真的，在此假设之下，利用样本信息，构造出一个事件B，在原假设成立的条件下事件B以很小的概率发生了。例，P(B/H)=0。01，如果我们现在根据一次试验的结果进行判断，在这次试验中，B真的发生了。这个结果就是表明，在一次实验中，一个概率很小的事件发生了，所以必须拒绝接受这个假设。如果在这次试验中，B并没有发生，这个结果就表明，小概率事件没有发生，所以没有理由拒绝这个原假设。其中，对原假设H0做出否定或肯定的判断，通常称之为对H0作显著性检验。

小概率事件中的“小概率”的值并没有统一规定，通常是根据实际问题的要求，规定一个界限α（0<α<1），当一个事件的概率不大于α时，即认为它是小概率事件。在假设检验中，α称为显著性水平，通常取α=0。01,0。05,0。001,0。005等。在数理统计中常用“在显著性水平α下对H0作显著性检验”这类术语[1]。

3。假设检验的一般步骤：

a：根据所要进行研究的问题提出原假设（H0）与备选假设(H1)

b：确定适当的检验统计量

c：人为规定显著性水平α

d：计算检验统计量的值，作出统计决策[1]

4。假设检验中的错误类型

   由前面的叙述知道，依据样本提供的信息进行判断，是假设检验中常用的方法。也就是说，由部分来推断总体，因而在假设检验中，绝对正确的结论是不存在的，犯错误的可能性总是存在的。归纳后所犯的错误有两种类型：一类错误是原假设是真的，但经过检验后却被我们拒绝了。犯这种错误的概率我们用α表示，也称作α错误或叫做弃真错误。另一类错误是原假设确实是假的，但经过检验后却被我们接受了。例如，某公司老板说他们公司产品的合格率为90%，但是实际上合格率才达到80%，远远不符合他所宣传的标准，合格率是80%说明在100件产品中有80件合格品，20件次品。为了不使广大的消费者上当受骗，质检单位随机抽取了20件产品，结果发现全都是合格的，这时质检单位判断该公司的宣称是真实的，第二类错误就是这样发生了。一般地，大家用希腊字母β表示犯这种错误的概率，所以这类错误也称作β错误或叫做取伪错误。文献综述

   一般情况下，大家当然希望犯α和β错误的可能性越小越好，但是，在样本容量n不变的条件下，不能同时做到犯这两种错误的概率都很小。如果减小α错误，就会增大犯β错误的概率，若减小β错误，也会增大犯α错误的概率。也就是说，在假设检验中α和β是此消彼长的关系。但是，如果想要α和β同时变小，唯一的办法就是增大样本容量n，可是n不可能一直增加，这样就会失去抽样调查的意义。所以，在假设检验中，就存在一个问题：我们应该首先控制哪一类错误呢？ 统计例题的假设检验分析(2):http://www.youerw.com/shuxue/lunwen_200322.html