專業定義：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 。其實，我們常見的t檢驗、卡方檢驗、單因素方差分析、非引數檢驗等等都屬於假設檢驗 。

為了更好的解釋小夥伴們對假設檢驗的疑惑，小編的一袋豆子要登場了。袋子裡有紅豆，也有黑豆，小編想知道紅豆和黑豆是不是一樣多。若是一個個去看，小編怕是要瘋了。於是，小編偷了個懶，從袋子裡拿了一把豆子，看看這把紅豆多還是黑豆多。用這把豆子作為樣本，去推斷這袋豆子。既然是用樣本推斷總體，就有抽樣誤差的可能性。不管袋子裡紅豆多還是黑豆多，這一把不一定能真實反映這袋豆子，那怎麼辦呢？這就要用到假設檢驗了。

說假設檢驗之前，先要知道小概率事件。統計大牛覺得如果一件事情發生的可能性小於0.05，就可以定義為小概率事件了，也就是說，在一次研究中該事件發生的可能性很小，如果只進行一次研究，可以視為不會發生。

回到豆子的話題哈，現在是想通過樣本（一把豆子）去推斷總體（一袋豆子）。先做一個假設，一般是我們心裡特別不想承認的那一種可能，也稱無效假設。和無效假設對立的是備擇假設，是無效假設的對立面。

無效假設：袋子裡紅豆和黑豆是一樣多的，如果觀察到紅豆黑豆不一樣多完全是由抽樣造成的。備擇假設：袋子裡紅豆和黑豆的確不一樣多。

假定袋子裡有100個豆子，50個紅豆，50個黑豆。拿的這把豆子有3個紅豆，7個黑豆。

在無效假設成立的前提下，也就是說紅豆黑豆一樣多的基礎上，能拿到3個紅豆、7個黑豆的概率為：

這告訴我們，在紅豆和黑豆一樣多的假設下，拿到3個紅豆7個黑豆的可能性為0.11，是很常見的，說明所做的假設是可以成立的，還沒有理由能拒絕無效假設。

假定袋子裡有100個豆子，50個紅豆，50個黑豆。拿的這把豆子有1個紅豆，9個黑豆。

在無效假設成立的前提下，能拿到1個紅豆、9個黑豆的概率為：

這告訴我們，在紅豆和黑豆一樣多的假設下，拿到1個紅豆9個黑豆的可能性為0.007＜0.05，為小概率事件，在一次研究中是不應該發生的，而現在發生了，可能是所做的假設有問題，有理由拒絕無效假設。

簡言之，假設檢驗的核心思想是小概率反證法，在假設的前提下，估算某事件發生的可能性，如果該事件是小概率事件，在一次研究中本來是不可能發生的，現在發生了，這時候就可以推翻之前的假設，接受備擇假設。如果該事件不是小概率事件，我們就找不到理由來推翻之前的假設，實際中可引申為接受所做的無效假設。