关于总体X 的分布（或随机事件的概率）的各种论断称为统计假设，简称假设，用“H”表示，例如：

①对于检验某个总体X 的分布，可以提出假设

H0：X 服从正态分布；H1：X 不服从正态分布.

H0：X 服从泊松分布；H1：X 不服从泊松分布.

②对于总体X 的分布的参数，若检验均值，可以提出假设

若检验标准差，可提出假设：(www.daowen.com)

这里μ0，σ0 是已知数，而μ=E（X），σ2=D（X）是未知参数.

上面对于总体X 的每个论断，我们都提出了两个互相对立的（统计）假设：H0 和H1，显然，H0 与H1 只有一个成立，或H0 真H1 假，或H0 假H1 真，其中假设H0，称为原假设（original hypothesis）（又称为零假设、基本假设），而H1 称为H0 的对立假设（又称备择假设）.

在处理实际问题时，通常把希望得到的陈述视为备择假设，而把这一陈述的否定作为原假设.例如在上例中，H0：μ=μ0=0.5 为原假设，它的对立假设是H1：μ≠μ0=0.5.

统计假设提出之后，我们关心的是它的真伪.所谓对假设H0 的检验，就是根据来自总体的样本，按照一定的规则对H0 做出判断：是接受，还是拒绝，这个用来对假设作出判断的规则叫作检验准则，简称检验.如何对统计假设进行检验呢？我们结合上例来说明假设检验的基本思想和做法.