在各个领域中，假设检验都扮演着重要的角色。以熟知的救生圈品牌为例，假设救生圈宣称其产品能杀灭99.9%的细菌，那么这个声明是如何得出的呢？这就需要一种测试技术来证明这个声明是否正确。本文将这些概念分解成小块，帮助理解它们的动机和用途。阅读完本文后，将对假设检验的基础知识有一个清晰的了解。
假设检验是一种关于参数值（如均值、方差、中位数等）的陈述、假设或声明。它是一种对周围世界的有根据的猜测，应该是可测试的，可以通过实验或观察来验证。例如，如果说“Dhoni是有史以来最好的印度队长”，这是基于他领导下的团队胜负平均数做出的假设，可以根据所有比赛数据来测试这个声明。
零假设是在假设其为真的情况下，可能被拒绝的假设。零假设的概念类似于“无罪推定，直到证明有罪”。假设无辜，直到有足够的证据证明嫌疑人有罪。简而言之，可以将零假设理解为已经接受的陈述，例如“天空是蓝色的”，已经接受这个陈述。它用H0表示。
备择假设补充了零假设。它是零假设的对立面，使得备择假设和零假设一起涵盖了所有可能的总体参数值。它用H1表示。
例如，一家肥皂公司声称其产品平均能杀灭99%的细菌。为了测试这家公司的声明，将制定零假设和备择假设。零假设(H0)：平均=99%，备择假设(H1)：平均不等于99%。注意，当测试一个假设时，假设零假设为真，直到样本中有足够证据证明其为假。在这种情况下，拒绝零假设并支持备择假设。如果样本未能提供足够证据使拒绝零假设，不能说零假设是真的，因为它是基于样本数据的。要证明零假设是真的，需要研究整个总体数据。
当一个假设指定了参数的确切值时，它是一个简单假设；如果它指定了参数值的范围，则称为复合假设。例如，摩托车公司声称某型号的平均油耗为每升100公里，这是一个简单假设的例子。而“一个班级学生的平均年龄大于20岁”这个声明是一个复合假设的例子。
如果备择假设在零假设指定的参数值的两个方向（小于和大于）上都提供了备择值，那么它被称为双尾检验。如果备择假设只在零假设指定的参数值的一个方向（小于或大于）上提供了备择值，那么它被称为单尾检验。例如，如果H0:均值=100，H1:均值不等于100，根据H1，均值可以大于或小于100。这是一个双尾检验的例子。同样，如果H0:均值>=100，那么H1:均值<100，这里均值小于100。它被称为单尾检验。
临界区域是样本空间中，如果计算值落在这个区域，就拒绝零假设。以一个例子来理解这个概念：假设想租一间公寓，从不同的房地产网站上列出了所有可用的公寓。预算是每月15000卢比，不能花超过这个数。制作的公寓列表价格范围从每月7000到30000卢比。从列表中随机选择一个公寓，并假设以下假设：H0:会租这间公寓，H1:不会租这间公寓。现在，由于预算是15000，必须拒绝所有高于这个价格的公寓。在这里，所有高于15000的价格都成为临界区域。如果随机公寓的价格落在这个区域，必须拒绝零假设；如果随机公寓的价格不落在这个区域，不拒绝零假设。
临界区域在概率分布曲线的一尾或两尾上，根据备择假设。临界区域是一个预先定义的区域，对应于概率分布曲线上的一个截止值。它用α表示。临界值是将支持或拒绝零假设的值分开的值，它们是基于α计算的。将在后面看到更多的例子，这将清楚地说明如何选择α。根据备择假设，临界区域有三种情况：双尾检验、左尾检验和右尾检验。
I型错误和II型错误是假设检验中最重要的话题之一。让通过将其分解成更小的部分来简化这个话题。I型错误（假阳性）——当拒绝一个真实的零假设时。II型错误（假阴性）——当接受一个错误的零假设时。犯I型错误（假阳性）的概率等于显著性水平或临界区域α。α=P[在H0为真时拒绝H0]。犯II型错误（假阴性）的概率等于β，它被称为“测试的效力”。β=P[在h1为真时不拒绝H0]。
例如：一个人因被指控犯有盗窃罪而被逮捕。一个由法官组成的陪审团必须决定他是否有罪。H0:人是无辜的，H1:人是有罪的。如果陪审团定罪[拒绝H0]，尽管这个人是无辜的[H0为真]，那么就是I型错误。如果陪审团释放了这个人[不拒绝H0]，尽管这个人是有罪的[H1为真]，那么就是II型错误。