参数估计和假设检验是统计推断的2个组成部分，它们从不同角度利用样本对总体进行推断。在参数估计中，总体参数$\mu$是未知的，用样本统计量（估计量）去估计总体参数；而在假设检验中，先对$\mu$的值提出一个假设，然后利用样本信息去计算出一些值（检验统计量），来验证这个假设是否成立。
假设检验的基本问题
我们想知道总体参数是否等于某个值A，由样本计算出来的值等于B。我们可以假设总体参数等于A，然后利用样本信息（B）来检验上述假设是否成立，如果A与B的差异是由抽样的随机性造成的，则上述假设成立；如果A与B的差异超过了随机抽样可以解释的范畴，则上述假设不成立。假设检验的实质是检验总体参数是否等于某个我们感兴趣的数值。
假设的表达式
原假设
$H_0:\mu=\mu_0$ 或$H_0:\mu-\mu_0=0$
备择假设
$H_0:\mu \neq \mu_0$ 或$H_0:\mu-\mu_0 \neq 0$
两类错误
我们需要根据样本信息对原假设的命题进行判断，即“原假设正确”或“原假设错误”。但这种判断可能正确，也可能错误，错误的类型有2种：
第1类错误
原假设为真，却被拒绝，也称为$\alpha$错误或弃真错误，发生的概率用$\alpha$表示。
第2类错误
原假设为假，却被接受，也称为$\beta$错误或取伪错误，发生的概率用$\beta$表示。
在假设检验中，两类错误是此消彼长的，我们的原则是首先控制$\alpha$错误。
假设检验的流程
1. 提出原假设和备择假设
$H_0:\mu=\mu_0$ 或$H_0:\mu-\mu_0=0$
$H_0:\mu \neq \mu_0$ 或$H_0:\mu-\mu_0 \neq 0$
2. 确定适当的检验统计量，并计算其数值
与参数估计（估计量）类似，在假设检验中，我们也要借助样本统计量进行推断，所使用的统计量称为检验统计量。
P值
双侧检验和单侧检验
一个总体参数的检验
总体均值的检验
总体比例的检验
总体方差的检验
两个总体参数的检验
两个总体均值之差的检验
两个总体比例之差的检验两个总体方差之比的检验
配对样本的检验
检验问题的进一步说明
检验结果的解释
单侧检验中假设的建立