一、 要想回答一个统计学问题，先得把它转换成一个假设（Hypothesis）。
假设可以简单地理解为：以陈述句写出的能被用来检验的一句话。然后，根据检验得出的结果，确定这个假设可被接受或拒绝。
零假设（Null hypothesis, ）:用来检验的假设；必须被写成要么是真、要么是假这样类型的陈述句。所以，相应于每个零假设都有一个备择假设（Alternative hypothesis,
）。
建立和检验假设需要知道的要点：
(1)有两种假设（说），如果其中一种更简单，那就优先相信这种更简单的假设；除非有充足的证据支持更复杂的那个假设（假说、理论）。
(2)通常假设两组结果之间不存在差异，比假设它们之间有差异更简单。
(3)把零假设置于优先地位；不要拒绝零假设，除非有足够的统计证据反对零假设。
由假设检验得出的结果是：拒绝零假设或不拒绝零假设。如果得出的结论是不拒绝零假设，这并不一定表示零假设是正确的（真）；而只是表示没有足够的证据反对零假设而支持备择假设。假设检验永远也不能证明零假设是正确的。同样的道理，拒绝零假设也永远不能证明备择假设是对的。
二、 为了决定是否接受或拒绝零假设，就必须针对结果设置显著性水平(The level of significance, α)。
一般地，
α=0.05 显著（置信区间95%，P = 1-0.95=0.05），最常用；
α=0.01 非常显著（置信区间99%，P = 1-0.99=0.01），很强的统计证据；
α=0.001 极其显著（置信区间99.9%，P = 1-0.999=0.001），很少用。
有了显著性水平，我们就能说群体之间是否存在显著差异（Significant difference）。如果说存在显著差异，那意思就是，群体之间的差异不是随机因素造成的，不是因为实验失误造成的；群体之间的差异挺大的、大到了不能说这种差异是不重要的。
另外，P值小（比如0.001）并不表示统计上差异大。P值反映的是你在多大程度上肯定这个差异是真地存在的，而并不表示这个差异的大小。
