一、假设检验的注意事项
①假设检验应注意资料的可比性。保证比较组间的可比性是假设检验的前提。为了保证资料的可比性，必须要有严密的抽样设计。②要注意选用的假设检验方法的应用条件。资料性质不同，设计类型不同，样本含量大小不同，检验方法也不同。③结论不能绝对化。由于假设检验是根据抽得的样本资料对总体的某种特征作出判断，而样本只反映总体的部分特征，由它来推断总体的特征就不能有百分之百的把握，因此假设检验作出的判断有可能是错误的。④正确区分差别有无统计意义与有无专业上的实际意义。差别有统计意义只说明相应的总体均数有差别，不说明差别的大小。至于相应总体均数相差多少，有何专业意义，那是另一个概念。
二、何谓假设检验？其一般步骤是什么
假设检验(Hypothesis Testing)是数理统计学中根据一定假设条件由样本推断总体的一种方法。
一般步骤是：根据问题的需要对所研究的总体作某种假设，记作H0；选取合适的统计量，这个统计量的选取要使得在假设H0成立时，其分布为已知；由实测的样本，计算出统计量的值，并根据预先给定的显著性水平进行检验，作出拒绝或接受假设H0的判断。常用的假设检验方法有u—检验法、t检验法、χ2检验法(卡方检验)、F—检验法，秩和检验等。
三、假设检验的理论基础和推理方法是什么？
进行假设检验的基本原理就是小概率原理。小概率原理是说概率很小的事件（称为“小概率事件”）在一次试验中几乎是不可能发生的。根据小概率原理进行假设检验的方法就是概率意义下的反证法，其思想是：为了检验原假设H是否正确，我们首先假定“H
正确”，然后来看在 H是正确的假定下能
导出什么结果。如果导出一个与小概率原理相矛盾的结果，则说明“H正确” 的假
定是错误的，即原假设 H不正确，于是我
们应作出否定原假设 H的决策；如果没有
导出与小概率原理相矛盾的结果，则说明“H正确” 的假定没有错误，即不能认为原假设 H是不正确的，于是我们应作出不否定原假设 H的决策。
四、假设检验问题，请高手速给予解释
假设检验就是检验单个样本总体，或是两个样本总体的相关度和差异度。。。 常用的假设检验方法有u—检验法、t—检验法、X2检验法、F—检验法等。 假设检验的一般步骤 假设检验的一般步骤： （一）根据所研究问题的要求，提出原假设 和备择假设 。 有三种类型的原假设和备择假设，以总体均值的假设检验为例加以说明。 1. ： ； ： 2. ： ； ： 3. ： ； ： 其中，1. 是双侧假设检验；2. 是右侧假设检验；3. 是左侧假设检验。因为假设检验是根据概率意义下的反证法来否定原假设，所以原假设必须包含等号。究竟采用哪一种检验要视具体问题而定，尤其是选择右侧检验还是左侧检验时，更要慎重。 （二）找出检验的统计量及其分布。 与参数估计一样，假设检验也要根据样本数据进行统计推断。用于判断是否接受原假设 的统计量称为检验统计量。在实际应用时，检验统计量的选择及其分布要根据检验的具体内容、抽样的方式、样本容量的大小和总体方差是否已知等多种因素来确定，常用的检验统计量有 统计量、 统计量、 统计量及 统计量等。 （三）规定显著性水平 ，就是选择发生第一类错误的最大允许概率。 显著性水平 的大小，取决于发生第一类错误和第二类错误产生的后果。如果 取的较小，那么 将会较大，虽然否定一个真实原假设（弃真）的风险小了，其代价是增加了接受一个不真实原假设（取伪）的概率；反之，如果 取的较大，那么 将会较小，虽然接受一个不真实原假设（取伪）的的风险小了，其代价是增加了否定一个真实原假设（弃真）的概率。因此，要根据研究问题的需要选择一个合适的 ，通常 选为 、 或 等。 （四）确定决策规则。 在选择好检验统计量和规定了显著性水平后，就可以根据 求出否定原假设和接受原假设的临界值，从而也就确定了否定域 。 （五）计算检验统计量的值，作出统计决策。 如果检验统计量的值落在否定域 里，则否定 ；否则，不否定 。 需要说明的是，显著性检验只对发生第一类错误的概率进行了控制，而不对发生第二类错误的概率加以限制。因此，当我们决定接受 时，并不意味着 一定为真，因为我们不能确定该决策有多大的可靠性。确切的说法是：在显著性水平为 时，根据这次试验得到的样本数据，不足以否定 。鉴于发生第二类错误的不确定性，通常在做决策时，统计学家建议我们采用“不否定 或不拒绝 ”的说法，而不采用“接受 ” 的说法。但是，要否定 ，只要一个反例就足够了。否定了 ，也就避免了第二类错误，所以根据样本数据，作出否定 的决策就具有了可靠性 。 参考
五、假设检验的一般步骤是
假设检验的一般步骤 假设检验的一般步骤： （一）根据所研究问题的要求，提出原假设 和备择假设 。 有三种类型的原假设和备择假设，以总体均值的假设检验为例加以说明。 1. ： ； ： 2. ： ； ： 3. ： ； ： 其中，1. 是双侧假设检验；2. 是右侧假设检验；3. 是左侧假设检验。因为假设检验是根据概率意义下的反证法来否定原假设，所以原假设必须包含等号。究竟采用哪一种检验要视具体问题而定，尤其是选择右侧检验还是左侧检验时，更要慎重。 （二）找出检验的统计量及其分布。 与参数估计一样，假设检验也要根据样本数据进行统计推断。用于判断是否接受原假设 的统计量称为检验统计量。在实际应用时，检验统计量的选择及其分布要根据检验的具体内容、抽样的方式、样本容量的大小和总体方差是否已知等多种因素来确定，常用的检验统计量有 统计量、 统计量、 统计量及 统计量等。 （三）规定显著性水平 ，就是选择发生第一类错误的最大允许概率。 显著性水平 的大小，取决于发生第一类错误和第二类错误产生的后果。如果 取的较小，那么 将会较大，虽然否定一个真实原假设（弃真）的风险小了，其代价是增加了接受一个不真实原假设（取伪）的概率；反之，如果 取的较大，那么 将会较小，虽然接受一个不真实原假设（取伪）的的风险小了，其代价是增加了否定一个真实原假设（弃真）的概率。因此，要根据研究问题的需要选择一个合适的 ，通常 选为 、 或 等。 （四）确定决策规则。 在选择好检验统计量和规定了显著性水平后，就可以根据 求出否定原假设和接受原假设的临界值，从而也就确定了否定域 。 （五）计算检验统计量的值，作出统计决策。 如果检验统计量的值落在否定域 里，则否定 ；否则，不否定 。 需要说明的是，显著性检验只对发生第一类错误的概率进行了控制，而不对发生第二类错误的概率加以限制。因此，当我们决定接受 时，并不意味着 一定为真，因为我们不能确定该决策有多大的可靠性。确切的说法是：在显著性水平为 时，根据这次试验得到的样本数据，不足以否定 。鉴于发生第二类错误的不确定性，通常在做决策时，统计学家建议我们采用“不否定 或不拒绝 ”的说法，而不采用“接受 ” 的说法。但是，要否定 ，只要一个反例就足够了。否定了 ，也就避免了第二类错误，所以根据样本数据，作出否定 的决策就具有了可靠性。 -------------我已经尽力了,你是高中生吗?