假设检验怎么做呢？
假设检验的基本步骤如下：1、提出检验假设又称无效假设，符号是H0；备择假设的符号是H1。H0：样本与总体或样本与样本间的差异是由抽样误差引起的；H1：样本与总体或样本与样本间存在本质差异；预先设定的检验水准为0.05；当检验假设为真，但被错误地拒绝的概率，记作α，通常取α=0.05或α=0.01。2、选定统计方法，由样本观察值按相应的公式计算出统计量的大小，如X2值、t值等。根据资料的类型和特点，可分别选用Z检验，T检验，秩和检验和卡方检验等。3、根据统计量的大小及其分布确定检验假设成立的可能性P的大小并判断结果。若P>α，结论为按α所取水准不显著，不拒绝H0，即认为差别很可能是由于抽样误差造成的，在统计上不成立；如果P≤α，结论为按所取α水准显著，拒绝H0，接受H1，则认为此差别不大可能仅由抽样误差所致，很可能是实验因素不同造成的，故在统计上成立。P值的大小一般可通过查阅相应的界值表得到。
假设检验公式是什么?
公式如下：预先设定的检验水准为0.05；当检验假设为真，但被错误地拒绝的概率，记作α，通常取α=0.05或α=0.01。显著性检验是假设检验中最常用的一种方法，也是一种最基本的统计推断形式，其基本原理是先对总体的特征做出某种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是接受做出推断。常用的假设检验方法有Z检验、t检验、卡方检验、F检验等。注意问题1、作假设检验之前，应注意资料本身是否有可比性。2、当差别有统计学意义时应注意这样的差别在实际应用中有无意义。3、根据资料类型和特点选用正确的假设检验方法。4、根据专业及经验确定是选用单侧检验还是双侧检验。5、判断结论时不能绝对化，应注意无论接受或拒绝检验假设，都有判断错误的可能性。
什么是六西格玛管理统计工具假设检验？
假设检验是六西格玛管理团队项目中应用最多的统计工具。诸如要判断下列结论是否正确:“新员工比老员工得到更多的投诉”，“改进工作后平均产量有提高”，“加工温度为180度时比160度时垫圈断裂强度要高”等等。由于我们观测到数据总会带有误差，不能从简单的样本统计量的结果下定论，必须使用严格的统计假设检验方法才能得出准确的判断结论。
参数估计和假设检验是统计推断的两个重要方面。参数估计是以“数”为其输出结果，而假设检验是以“判断”为其输出结果。下面介绍假设检验步骤。
1、建立假设。
假设检验的第一步便是建立假设，通常需要建立两个假设:原假设Ho和备择假设H1。
2、选择检验统计量，确定拒绝域的形式。
若对总休的均值进行检验，那么我们将用样本均值引出检验统计量；若对正态总体的方差进行检验，我们将从样本方差引出检验统计量。
根据统计量的值把整个样本空间分成两个部分:拒绝域W与非拒绝域A。当样本统计量的值落在拒绝域中就拒绝原假设，否则就无法拒绝原假设。所以在假设检验中我们必须找出拒绝域。
根据备择假设的不同；拒绝域可以是双边的也可以是单边的。在确定了拒绝域的类型后，还要确定临界值。这应根据允许犯错误的概率来确定。
3、给出检验中的显著性水平a。
在对原假设是否成立进行判断时，由于样本的随机性，判断可能产生两类错误。第1类错误是当原假设为真时，由于样本的随机性，使样本观测值落在拒绝域w中，从而做出拒绝原假设的决定，这类错误称为第1类错误，也称为弃真概率。
关于第2类错误的说明：如果钢筋平均抗拉强度比原来真有提高，这时钢筋平均抗拉强度已经不是原来的2 000kg了，但我们没有拒绝Ho误认为没提高，即把“已提高”误认为“未提高”。一般来说就是，当Ho不成立时，我们却没有拒绝Ho，这就是第二类错误。
4、给出临界值，确定拒绝域。
有了显著性水平a后，可以根据给定的检验统计量的分布，查表得到临界值，从而确定具体的拒绝域。在不同的备择假设下，拒绝域、临界值与显著性水平a的关系是不同的。
5、根据样本观测值，计算检验统计量的值。
根据样本观测值，计算检验统计量的值；收集样本数据，计算检验统计量的值。
6、根据检验统计量的值是否落在拒绝域中做出判断。
①将检验统计量的值与拒绝域的临界值相比较，当它落在拒绝域中就做出拒绝原假设的结论，否则就做出不能拒绝原假设的结论。
②由检验统计量计算p值，所谓p值，就是当原假设成立时，出现目前状况的概率(严格说是:当原假设成立时，出现目前状况或对原假设更不利状况，即对备择假设更有利状况的概率)。当这个概率很小时(例如小于0.05)，这个结果在原假设成立的条件下就不该在一次试验中出现；但现在它确实出现了，因此我们有理由认为“原假设成立”的这个前提是错的，因而应该拒绝原假设，接受备择假设。因此可以有个最一般的规则：如果p<a，则拒绝原假设。目前大多数统计软件都提供了与假设检验对应的p值，不必再查统计表确定拒绝域就可以根据p值做出判断结论。
③根据样本观测值可以得到总体参数的置信区间，如果原假设的参数值未落入此置信区间，就做出拒绝原假设的结论，否则就做出不能拒绝原假设的结论。目前大多数统计软件都提供了相应的置信区间，不必自己计算，因此用这个方法判断也很方便。
