（1）建立假设。
假设检验的第一步是建立两个假设：原假设 H0 和备择假设H1。
在对总体均值进行检验时，有三类假设：
H0 ：μ=μ0 (或μ ≤ μ0）， H1 ：μ>μ0 （单边假设检验）
H0 ：μ=μ0 (或μ ≥ μ0）， H1 ：μ<μ0 （单边假设检验）
H0 ：μ=μ0 ， H1 ：μ≠μ0 （ 双边假设检验，即μ>μ0或μ<μ0）
（2）选择检验统计量，确定拒绝域的形式。
1）选择检验统计量：
● 若对总体的均值进行检验，用样本均值“X bar”引出检验统计量；
● 若对正太总体的方差检验，用样本方差 S² 引出检验统计量。
2）确定拒绝域的形式：拒绝域W与不能拒绝域A。
根据统计量的值把整个样本空间分为两个部分：拒绝域W与不能拒绝域A。当样本统计量的值落在拒绝域中就拒绝原假设，否则就无法拒绝原假设。所以在假设检验中必须找出拒绝域。
根据备择假设的不同，拒绝域可以是双边的也可以是单边的。在确定了拒绝域的类型后，还要确定临界值c，这应根据允许犯错误的概率来确定。
拒绝是有说服力的，无法拒绝待检验。
（3）给出检验中的显著性水平α。
在对原假设是否成立进行判断时，由于样本的随机性，判断可能产生两类错误：拒真（Ⅰ型错误或第一类错误）和取伪（Ⅱ型错误或第二类错误），它们的概率分别称为拒真概率 α 和取伪概率 β（即PH1 (A)= β ） 。
详细点描述两类错误概率为：
● 第一类错误：当实际上原假设为真时，由于样本的随机性，使样本观测值落在拒绝域W中，从而作出拒绝原假设的决定，其发生的概率称为犯第一类错误概率，也称为拒真概率，记为 α ，即PH0 (W)=α。
● 第二类错误：当实际上原假设为假时，由于样本的随机性，使样本观测值落在不能拒绝域A中，从而作为无法拒绝原假设的决定，其发生的概率称为犯第二类错误的概率，也称为取伪概率 β，即PH1 (A)= β 。
若要求犯Ⅰ型错误的概率不超过 α，由此给出的检验称为水平为 α的检验，称 α为显著性水平，常取 α为0.05，有时也可能取0.10等。
以上一节例5-1为例，为了真正理解假设检验结论的含义，应该具体地理解犯两类错误的实际意义：
● 犯第一类错误说明：如果钢筋总体平均抗拉强度实际为 μ ≤ 2000kg，平均抗拉强度并未提高，却当作了”有提高“，即 H0 实际是成立的，却拒绝了 H0 ，这就是第一类错误。通常取α=0.05作为犯第一类错误的风险概率。
● 犯第二类错误说明：如果钢筋总体平均抗拉强度实际比原来有提高了，但误认为没提高，即 H0不成立时，却没有拒绝 H0，这就是犯了第二类错误。
（4）给出临界值，确定拒绝域。
有了显著性水平α后，可以根据给定的检验统计量的分布，查表得到临界值，从而确定具体的拒绝域。
三种不同的备择假设下，拒绝域、临界值与显著性水平α的关系是不同的。
(a) H1 ：μ>μ0 右侧检验：
（b） H1 ：μ<μ0 左侧检验：
（c）H1 ：μ≠μ0 双侧检验：
（5）根据样本测值，计算检验统计量的值。收集样本数据，计算检验统计量的值。
（6）根据检验统计量的值是否落在拒绝域中作为判断。
1）将检验统计量的值与拒绝的临界值相比较，当它落在拒绝域中就作为拒绝原假设的结论，否则就作为不能拒绝原假设的结论。
2）由检验统计量计算P值。
P值就是当原假设成立时，出现目前状况的概率（严格地说是当原假设成立时，出现目前状况或对原假设更不利情况，即对备择假设更有利状况的概率）。
当这个概率很小时（如小于0.05），这个结果在原假设成立的条件下就不该在一次试验中出现；但现在它确实出现了，因此有理由认为“原假设成立”这个前提是错的，因而应该拒绝原假设，接受备择假设。因此有一个最一般的规则：如果P<α，则拒绝原假设。
总结一下关于P值：
● P值是可以拒绝原假设接受备择假设的最小值；
● 根据样本计算出来的显著性水平；
● 若P值>α，不能拒绝H0；
● 若P值<α，拒绝H0。
3）根据样本观测值可以得到总体参数的置信区间。
如果原假设的参数值未落入此置信区间，就作出拒绝原假设的结论，否则就作出保留原假设的结论。
