假設檢驗是先對母體（Population）參數提出假設，然后利用樣本的資訊，再決定是否接受或否決該假設。

假設檢驗的具體步驟：

步驟 1：設定虛無假設（null hypothesis）與對立假設（alternative hypothesis）

步驟 2：選擇檢驗統計量（test statistic）

步驟 3：選擇顯著水準（level of significance）α 并決定決策法則

步驟 4：比較樣本統計量與臨界值

步驟 5：下結論

如何提出虛無假設（原假設）？

虛無假設對母體參數提出一個主張，假設此主張為真，通常為研究者想要推翻之統計假設，即假設檢驗中之主要假設，一般以 H? 表之。

對立假設是相對于虛無假設所提出的另一個不同（相反）的假設或主張，必須有足夠的證據，才能說明此主張為真，是希望證明是正確的另一種可能。

從數學上來看，虛無假設和對立假設的地位是相等的，但是在統計學的實際運用中，常常需要強調一類假設為應當或期望實現的假設。

如果一個統計檢驗的結果拒絕虛無假設（結論不支持虛無假設），而實際上真實的情況屬于虛無假設，那么稱這個檢驗犯了第一類錯誤。

反之，如果檢驗結果支持虛無假設，而實際上真實的情況屬于對立假設，那么稱這個檢驗犯了第二類錯誤。

通常的做法是，在保持第一類錯誤出現的機會在某個特定水平上的時候（即顯著性差異值或 α 值），盡量減少第二類錯誤出現的概率。

例子：

某藥廠開發(fā)了一種新藥，聲稱可以降低血壓。研究人員想要驗證這款新藥是否真的有效。

設定假設：

• 虛無假設（H?）：這款新藥對降低血壓沒有效果
• 對立假設（H?）：這款新藥對降低血壓有效

我們通常將第一類錯誤的概率限制在 α = 0.05 或 0.01，然后在這個前提下，盡量提高試驗的敏感性，以降低第二類錯誤的概率。

假設檢驗是六西格瑪項目中必須應用到的工具，很多項目中如果沒有統計分析，很多時候都不是真正的找到解決方案。