假设检验，也称为显著性检验，通过样本的统计量来判断与总体参数之间是否存在差异（差异是否显著）。即我们对总体参数进行一定的假设，然后通过收集到的数据，来验证我们之前作出的假设（总体参数）是否合理。在假设检验中，我们会建立两个完全对立的假设，分别为原假设H0与备择假设H1。然后根据样本信息进行分析判断，是选择接受原假设还是拒绝原假设。 假设检验基于“反证法”。首先，我们假设原假设为真，如果在此基础上，得出了违反逻辑与常理的结论，则表明原假设是错误的，我们就接受备择假设。

在假设检验中，违反逻辑与常规的结论，就是小概率事件。一般来说，小概率事件在一次试验中是不会发生的。如果发生，则我们便有理由拒绝原假设。 假设检验遵循“疑罪从无”的原则，接受原假设，并不代表原假设一定是正确的，只是没有充分的证据，证明原假设是错误的。

为了便于量化，我们可以计算一个概率值（P-Value），该概率值可以认为是支持原假设的概率，也就是样本统计量与总体参数无差异的概率。然后，我们设定一个显著性水平α（通常取值为0.05）。当P-Value的值大于α时，支持原假设。 假设检验与置信区间有一定的关联性，只不过假设检验是通过反正的角度来判断是否接受原假设。

步骤如下：

Z检验用来判断样本均值是否与总体均值具有显著性差异。Z检验是通过正态分布的理论来推断差异发生的概率，从而比较两个均值的差异是否显著。Z检验适用于：

Z检验计算公式如下：

通过假设检验可以计算如下题目： 某车间用一台机器制作袋装糖，袋装糖的净重是一个随机变量，服从正态分布。机器运行正常时，其均值为0.5kg，标准差为0.015kg。某日工作后，检验包装机是否正常，随机抽取9袋糖，称得净重为（kg）：0.497、0.506、0.518、0.524、0.498、0.511、0.520、0.515、0.512，请问机器是否正常？

通过结果可知，P值小于0.05，则拒绝原假设，接受备择假设，我们可以认为机器运作不正常。

t检验与Z检验类似，用来判断样本均值是否与总体均值均有显著性差异。不过t检验是基于t分布的，适用于：