假設檢驗是推論統計中用於檢驗統計假設的壹種方法。而“統計假設”是可通過觀察壹組隨機變量的模型進行檢驗的科學假說。壹旦能估計未知參數，就會希望根據結果對未知的真正參數值做出適當的推論。
假設檢驗基本步驟：
1、提出檢驗假設又稱無效假設，符號是H0；備擇假設的符號是H1。
H0：樣本與總體或樣本與樣本間的差異是由抽樣誤差引起的；
H1：樣本與總體或樣本與樣本間存在本質差異；
預先設定的檢驗水準為0.05；當檢驗假設為真，但被錯誤地拒絕的概率，記作α，通常取α=0.05或α=0.01。
2、選定統計方法，由樣本觀察值按相應的公式計算出統計量的大小，如X2值、t值等。根據資料的類型和特點，可分別選用Z檢驗，T檢驗，秩和檢驗和卡方檢驗等。
3、根據統計量的大小及其分布確定檢驗假設成立的可能性P的大小並判斷結果。若P>α，結論為按α所取水準不顯著，不拒絕H0，即認為差別很可能是由於抽樣誤差造成的，在統計上不成立。
如果P≤α，結論為按所取α水準顯著，拒絕H0，接受H1，則認為此差別不大可能僅由抽樣誤差所致，很可能是實驗因素不同造成的，故在統計上成立。P值的大小壹般可通過查閱相應的界值表得到。
教學中的做法:
1.根據實際情況提出原假設和備擇假設；
2.根據假設的特征，選擇合適的檢驗統計量；
3.根據樣本觀察值，計算檢驗統計量的觀察值(obs)；
4.選擇許容顯著性水平，並根據相應的統計量的統計分布表查出相應的臨界值(ctrit)；
5.根據檢驗統計量觀察值的位置決定原假設取舍。
擴展資料：
假設檢驗註意的問題：
1、做假設檢驗之前，應註意資料本身是否有可比性。
2、當差別有統計學意義時應註意這樣的差別在實際應用中有無意義。
3、根據資料類型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，應註意有發生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，即檢驗水準那麽大。
當檢驗結果為不拒絕無效假設時，應註意有發生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類錯誤的大小有關系。
6、判斷結論時不能絕對化，應註意無論接受或拒絕檢驗假設，都有判斷錯誤的可能性。
7、報告結論時是應註意說明所用的統計量，檢驗的單雙側及P值的確切範圍。
百度百科-假設檢驗