简述假设检验的过程。

假设检验的原理，是“带有概率保证的反证法”。具体包括：(1)采用概率论中的“小概率事件原理”进行反证，即小概率事件在一次测试中不可能发生。(2)在假设检验中，预先认定一个小概率值，在某个虚无假设下，如果计算得出某个事件发生的概率属于小概率，就说这个事件不可能发生，所作虚无假设是错误的，要拒绝虚无假设，接受备择假设，反之，则接受虚无假设；在假设检验中，这个小概率称为检验的显著性水平，记为α。常用α值有0. 01，0.05，0.10。α越小，表示显著性水平越高。

(1)假设检验中两类错误：统计检验中两类错误即α错误和β错误。。错误是指当零假设(Ho)成立时，拒绝零假设犯的“弃真”错误，也叫I型错误；p错误是指当零假设不成立时，未拒绝零假设所犯的“取伪”错误，也叫Ⅱ型错误。 (2)两类错误的关系：①α和β是在分别假定零假设为真和零假设为假的情况下讨论的，因此α+β不一定等于1。②在其他条件不变的情况下，α和β不可能同时减少或增大。要想在规定α的同时尽量减小β最直接的方法就是增大样本容量。③I- 在统计学上被称作统计检验力。

推断统计；假设检验。 α型错误和卢型错误，前者又称为弃真错误（拒真错误），指当零假设为真时却错误地拒绝了它，因此其大小等于事先设置的显著性水平a，一般为0. 05或0.01；后者又称为取伪错误（纳伪错误），指当零假设为假时却错误地接受了它，其大小为β。 区别：二者性质不同，前提条件不同，这是它们的区别。 联系：它们都是在做假设检验的统计决策时可能犯的错误，决策者同时面临犯两种错误的风 险，因此都极力想避免或者减少它们。但是，在总体间真实差异和样本容量不变的情况下，它们之间是一种此消彼长的关系。要同时减小两种错误的发生可能，可用的办法是增大样本容量。

t检验是以t分布为理论基础，对一个或各个样本的数值变量资料进行假设检验常用的方法，属于参数检验。假设检验也称显著性检验，是利用样本信息，根据一定的概率水平，推断统计量和参数、不同样本指标的差别有无意义的统计分析方法。步骤如下：(1)建立假设：①零假设：记为H0，即无显著差异（也就是不存在差异），数值上的差别仅仅由抽样误差所致；②备择假设：记为H1，即有显著差异（这个差异是本质性差异）。(2)这里还有双侧检验和单侧检验之分：①若目的是推断两总体是否不等，应用双侧检验；②若目的是推断一个总体是否大于（或小于）另一个总体，则用单侧检验。(3)确定显著性水平：符号为α，是假设检验时发生第一类错误的概率。α常取0. 05或0.01。(4)选定检验方法和计算统计量：根据题意选择t检验，计算出t值。(5)作出推断结论：将计算出来的t值与相应的临界值作比较，确定是否显著。然后作出拒绝或不拒绝H0的统计结论。

(1)两类错误的关系①a+p不一定等于1。α与卢是在两个前提下的概率。α是拒绝Ho时犯错误的概率，其前提是“Ho为真”；卢是接受Ho时犯错误的概率，其前提是“Ho为假”。②在其他条件不变的情况下，α与β不可能同时减小或增大。许多情况需要在规定α的同时尽量减少β。(1)两类错误的控制①控制d错误的方法就是选用较高的显著性水平。②在规定α的同时尽量减少卢的方法包括：第一种方法是利用已知的实际总体参数与假设参数值之间的大小关系，合理安排拒绝区域的位置，即合理选择左侧检验、右侧检验和双侧检验。第二种方法是增大样本容量。因为样本容量越大，抽样误差σ／越小，抽样分布的形态越高狭陡峭，两侧的面积越小，越能使第二类错误减少。 要回答本题，关键要理解两类错误的含义。第一类，虚无假设H0本来是正确的，但拒绝了H0，这类错误称为弃真错误，即I类错误，这类错误的概率以α表示，因此也叫α型错误。第二类，虚无假设H0本来不正确，却接受了H0，这类错误为取伪错误，即Ⅱ类错误，这类错误的概率以β表示，因此也叫β型错误。