2. 假设检验的核心逻辑
假设检验的本质，是在“数据有随机波动”的前提下，对关于总体的某个命题做出有依据的取舍。它并不是证明某个结论为真，而是判断：如果原假设成立，我们观察到当前数据（或更极端数据）的可能性有多大。理解这条主线，才能把原假设、显著性水平、p值、两类错误和检验功效串成一个整体，而不是背五个孤立定义。
一、原假设与备择假设：先把问题写成一对互斥命题
原假设（H₀）通常代表“没有差异、没有效应、维持现状”的基准命题，备择假设（H₁）则是研究者希望用数据支持的命题。二者必须互斥且穷尽。写假设时最关键的是把方向写清楚：双侧检验写 H₁: μ ≠ μ₀；单侧检验写 H₁: μ > μ₀ 或 H₁: μ < μ₀。方向一旦定错，后续的临界值、p值和结论都会跟着错。
例如某零件标称长度 μ₀ = 50.0 mm，工艺变更后想确认长度是否发生偏移，应设 H₀: μ = 50.0，H₁: μ ≠ 50.0（双侧）。若只想确认“新工艺是否使长度变大”，则 H₁: μ > 50.0（单侧）。注意：单侧检验只能在有明确业务方向、且在收集数据前就确定时使用，不能看到数据偏大再临时改成单侧。
二、显著性水平 α：事先设定的“误判容忍度”
显著性水平 α 是我们在 H₀ 为真时，允许自己错误拒绝 H₀ 的最大概率，常见取 0.05、0.01。它是决策规则的门槛，必须在看数据之前确定。α 越小，拒绝 H₀ 的门槛越高，结论越保守，但同时也越容易漏掉真实存在的效应。α 不是“结论错误的概率”，而是“H₀ 为真时错误拒绝它的概率”，这个限定条件不能丢。
三、p值：数据与原假设之间的“不相容程度”
p 值定义为：在 H₀ 成立的条件下，出现当前统计量值或更极端值的概率。它衡量的是数据对 H₀ 的不利证据强度，不是 H₀ 为真的概率。决策规则很直接：p ≤ α 时拒绝 H₀，p > α 时不拒绝 H₀。需要强调“不拒绝”而非“接受”，因为数据不足只能说明没有足够证据推翻 H₀，不能证明 H₀ 正确。
以单样本 t 检验为例，若样本 n = 25，样本均值 x̄ = 50.6，样本标准差 s = 1.2，检验 μ₀ = 50.0：
t = (x̄ - μ₀) / (s / √n)
= (50.6 - 50.0) / (1.2 / √25)
= 0.6 / 0.24
= 2.50
自由度 df = n - 1 = 24查 t 分布表，双侧 α = 0.05、df = 24 的临界值约为 ±2.064。|t| = 2.50 > 2.064，故拒绝 H₀；对应双侧 p 值约为 0.02，小于 0.05，结论一致。这个例子说明：临界值法和 p 值法是同一决策的两种表达，前者比较统计量与临界值，后者比较概率与 α。
四、第一类错误与第二类错误：两种方向的误判
第一类错误（α 错误）：H₀ 实际为真，却拒绝了它，即“无中生有”。第二类错误（β 错误）：H₀ 实际为假，却没有拒绝它，即“漏掉真实效应”。两者此消彼长：在样本量固定时，降低 α 会抬高 β；要同时改善，只能增大样本量或减小数据波动。下表给出四种决策情形：
| 实际情况 \ 决策 | 不拒绝 H₀ | 拒绝 H₀ |
|---|---|---|
| H₀ 为真 | 正确（1 − α） | 第一类错误（α） |
| H₀ 为假 | 第二类错误（β） | 正确，检验功效（1 − β） |
五、检验功效：抓住真实效应的能力
检验功效定义为 H₀ 为假时正确拒绝它的概率，即 1 − β，工程上常希望达到 0.80 以上。功效受四个因素影响：效应量越大、样本量越大、数据波动越小、α 越宽松，功效越高。实际做实验设计时，常反过来用功效分析确定样本量。例如双侧 α = 0.05、目标功效 0.80、预期效应量 d = 0.5 时，两独立样本 t 检验每组约需 64 例（示例估算，实际应结合具体检验与软件结果确认）。
六、把五个概念连成一条判断链
实际分析时，建议按固定顺序推进：先明确业务问题并写出 H₀/H₁ 与方向 → 选定检验方法与 α → 计算统计量与 p 值 → 与 α 比较得出拒绝或不拒绝 → 结合效应量与功效解释结论的实际意义。最后一步常被忽略：p 值小只说明“不太可能是偶然”，并不说明效应大。例如 p = 0.001 但均值只差 0.05 mm，若公差要求是 ±0.1 mm，这个差异在工程上可能无关紧要。因此报告结论时应同时给出均值差、置信区间和样本量，让读者判断统计显著与业务显著是否一致。
小结：原假设与备择假设定义了问题，α 设定了误判容忍度，p 值量化了证据强度，α 与 β 描述了两种方向的错误，功效 1 − β 则告诉我们这项检验有没有能力发现真实效应。把这五者放在同一条决策链上理解，后续的检验方法选型才有稳固的判断基础。