假设检验的基本思想是“小概率事件”原理，其统计推断方法是带有某种概率性质的反证法。小概率思想是指小概率事件在一次试验中基本上不会发生。反证法思想是先提出检验假设，再用适当的统计方法，利用小概率原理，确定假设是否成立。即为了检验一个假设H0是否正确，首先假定该假设H0正确，然后根据样本对假设H0做出接受或拒绝的决策。如果样本观察值导致了“小概率事件”发生，就应拒绝假设H0，否则应接受假设H0。
假设检验中所谓“小概率事件”，并非逻辑中的绝对矛盾，而是基于人们在实践中广泛采用的原则，即小概率事件在一次试验中是几乎不发生的，但概率小到什么程度才能算作“小概率事件”，显然，“小概率事件”的概率越小，否定原假设H0就越有说服力，常记这个概率值为α(0<α<1)，称为检验的显著性水平。对于不同的问题，检验的显著性水平α不一定相同，一般认为，事件发生的概率小于0.1、0.05或0.01等，即“小概率事件”
基本步骤：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一般为0.05。
现在以一个例子来说明。
某机床厂加工一种零件，根据经验知道，该厂加工零件的椭圆度近似服从正态分布，其总体均值为m0=0.081mm，总体标准差为s= 0.025 。今换一种新机床进行加工，抽取n=200个零件进行检验，得到的椭圆度的均值为0.076mm。试问新机床加工零件的椭圆度的均值与以前有无显著差异？
（a＝0.05）
解题结果：
图1
看到这个结果以后，还是会觉得不好理解，为什么就拒绝了假设H0呢？
图2
首先，我们从图一中，可以得出如下信息：u代表新机床生产产品的总体均值，而
则分别是老机床产品的总体均值和方差，而此时新机床产品的总体均值和方差不知道，也正是我们现在需要估计的统计量。我们假设，新机床的产品和老机床的总体均值和方差一样，接下来，就要看看这种假设是不是可靠，可靠程度有多大，这就是我们现在说的假设检验。
由于假设新机床的产品（x）和老机床的总体均值和方差一样，所以：
