假设检验是先对母体（Population）参数提出假设，然后利用样本的资讯，再决定是否接受或否决该假设。
假设检验的具体步骤：
步骤 1：设定虚无假设（null hypothesis）与对立假设（alternative hypothesis）
步骤 2：选择检验统计量（test statistic）
步骤 3：选择显著水准（level of significance）α 并决定决策法则
步骤 4：比较样本统计量与临界值
步骤 5：下结论
如何提出虚无假设（原假设）？
虚无假设对母体参数提出一个主张，假设此主张为真，通常为研究者想要推翻之统计假设，即假设检验中之主要假设，一般以 H₀ 表之。
对立假设是相对于虚无假设所提出的另一个不同（相反）的假设或主张，必须有足够的证据，才能说明此主张为真，是希望证明是正确的另一种可能。
从数学上来看，虚无假设和对立假设的地位是相等的，但是在统计学的实际运用中，常常需要强调一类假设为应当或期望实现的假设。
如果一个统计检验的结果拒绝虚无假设（结论不支持虚无假设），而实际上真实的情况属于虚无假设，那么称这个检验犯了第一类错误。
反之，如果检验结果支持虚无假设，而实际上真实的情况属于对立假设，那么称这个检验犯了第二类错误。
通常的做法是，在保持第一类错误出现的机会在某个特定水平上的时候（即显著性差异值或 α 值），尽量减少第二类错误出现的概率。
例子：
某药厂开发了一种新药，声称可以降低血压。研究人员想要验证这款新药是否真的有效。
设定假设：
- 虚无假设（H₀）：这款新药对降低血压没有效果。
- 对立假设（H₁）：这款新药对降低血压有效。
我们通常将第一类错误的概率限制在 α = 0.05 或 0.01，然后在这个前提下，尽量提高试验的敏感性，以降低第二类错误的概率。
假设检验是六西格玛项目中必须应用到的工具，很多项目中如果没有统计分析，很多时候都不是真正的找到解决方案。
