假设设定以后，需要设定一个判别标准，用以判断样本数据为多少时才可以接受原假设或者拒绝原假设。这个判别标准就是给定一个小概率，根据“小概率事件原理”作出判断（小概率事件会发生），这里小概率用α表示，称为显著性水平(Level Of Significance)。例如，假设H0：＝1600；H1：≠1600，在假设以后给定一个小概率α＝0.05，这样就可以在假设成立的分布中，确定两个区域：一个是接近＝1600的区域，称之为接受域；另一个是远离＝1600的区域，称之为拒绝域。
接受域和拒绝域根据单侧检验或双侧检验，分布形式不同。
双侧检验中，拒绝域分为两侧，如下图：
由上图可以看出，接受域的概率区间为1－α，拒绝域的区间概率为α，两侧各占α/2。在检测过程中，如果由样本数据计算的数值落在该分布的接受域内，即落在1－α这个大概率区间内，则没有理由拒绝H0：＝1600的假设，就要接受H0。如果数值落在该分布的拒绝域内，即落在α这个概率区间内，就应拒绝H0：＝1600的假设，接受H1：≠1600的假设。因为在原假设H0为真的条件下，远离＝1600的事件是小概率事件（α＝0.05）。根据小概率事件原理，小概率事件在一次随机试验中一般是不能发生的。因此，在小概率事件已经发生的情况下（落在α区域内）就有理由怀疑原假设H0：＝1600的真实性，进而作出拒绝H0，接受H1的判断。
单侧检验时，接受域区间的概率是1-α，拒绝域区间的概率是α，但α只在某一侧。例如，对于假设H0：＝1600；H1：>1600的右侧检验，α的拒绝域在右侧；对于假设H0：＝1600；H1：<1600的左侧检验，α的拒绝域在左侧，如下图所示：
对假设进行判别时，无论是单侧检验还是双侧检验，都适合以下的判别原则：
1、样本数值落在接受域内，则接受原假设，同时拒绝备择假设；
2、样本数值落在拒绝域内，则拒绝原假设，同时接受备择假设。
由假设检验的判断过程可知，假设检验实质上就是根据反证法对原假设作出的判别，但是这种反证是建立在概率基础上，与严格的逻辑证明有所不同，因此，在假设检验中有时会出现错误的判断，即会发生两类错误。
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「我们」留言处理。
