案例引入
科學家向100隻老鼠體内注射藥物，并測量小鼠的反映時長。就出現了兩種假設，一種假設是0假設，藥物并沒有什麼影響；一種是備擇假設，藥物有影響。
抽樣分布的标準差=總體分布的标準差/根号n
假設檢驗
假設檢驗是數理統計學中根據一定假設條件由樣本推斷總體的一種方法。事先對總體參數或分布形式作出某種假設，然後利用樣本資訊來判斷原假設是否成立，采用邏輯上的反證法，依據統計上的小機率原理。
H0：原假設，例如：世界上所有的天鵝都是白色的。
H1：備選假設，對應地，備選假設就是世界上并不是所有的天鵝都是白色的。
假設檢驗的基本思想是小機率反證法思想，小機率思想認為小機率事件在一次試驗中基本上不可能發生，在這個方法下，我們首先對總體作出一個假設，這個假設大機率會成立，如果在一次試驗中，試驗結果和原假設相背離，也就是小機率事件竟然發生了，那我們就有理由懷疑原假設的真實性，進而拒絕這一假設。
單側檢驗和雙側檢驗
- 單側檢驗指按分布的一側計算顯著性水準機率的檢驗。用于檢驗大于、小于、高于、低于、優于、劣于等有确定性大小關系的假設檢驗問題。這類問題的确定是有一定的理論依據的。假設檢驗寫作：μ1<μ2或μ1>μ2。
- 雙側檢驗指按分布兩端計算顯著性水準機率的檢驗， 應用于理論上不能确定兩個總體一個一定比另一個大或小的假設檢驗。一般假設檢驗寫作H1：μ1≠μ2。
單側檢驗
雙側檢驗
圖中紅色的線是Z table，檢驗統計量攔下的面積就是P值，如果檢驗結果P值< α {\alpha} α，那麼檢驗結果就是 H 0 {H_0} H0，如果P值> α {\alpha} α，那麼檢驗結果就是 H 1 {H_1} H1
參考
統計學基礎