假設檢驗分為雙邊假設檢驗和單邊假設檢驗。雙邊假設檢驗的目的是證明總體的壹個參數是否等於某個值，而單邊假設檢驗的目的是證明它是大於還是小於某個固定值。它的基本原理是先假設壹個總體的假設成立，如果導致不合理的結果，就拒絕原來的假設，如果沒有導致不合理的現象，就接受原來的假設。
假設檢驗中所謂的“小概率事件”在邏輯上並不是壹個絕對的矛盾，而是基於人們在實踐中廣泛采用的原理，即壹個實驗中很少發生小概率事件，但在多大程度上可以算作“小概率事件”。顯然，“小概率事件”的概率越小，就越有說服力來否定H0最初的假設。人們通常記得這個概率值是α (0
對於不同的問題，檢驗的顯著性水平α不壹定相同。壹般來說，事件發生的概率小於0.1、0.05或0.01，屬於“小概率事件”。
擴展數據:
註意力問題
1，假設檢驗之前，要註意數據本身是否具有可比性？。
2.當差異具有統計學意義時，要註意這種差異在實際應用中是否有意義。。
3.根據數據類型和特點選擇正確的假設檢驗方法？。
4、根據專業和經驗確定選擇單邊檢查還是雙邊檢查？。
5、判斷結論不能絕對時，要註意是接受還是拒絕檢驗假設，有誤判的可能。