在统计学中，显著性检验是“假设检验”中最常用的一种，显著性检验是用于检测科学实验中实验组与对照组之间是否有差异以及差异是否显著的办法。
一，假设检验
显著性检验是假设检验的一种，那什么是假设检验？假设检验就是事先对总体(随机变量)的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设是否合理。
在验证假设的过程中，总是提出两个相互对立的假设，把要检验的假设称作原假设，记作H0，把与H0对立的假设称作备择假设，记作H1。假设检验需要解决的问题是：指定一个合理的检验法则，利用已知样本的数据作出决策，是接受假设H0，还是拒绝假设H0。
1，假设检验的基本思想
- 如果原假设为真，而检验的结论却劝你拒绝原假设，把这种错误称之为第一类错误(弃真)，通常把第一类错误出现的概率记为α；就是说，拒绝真假设的概率是α。
- 如果原假设不真，而检验的结论却劝你接受原假设，把这种错误称之为第二类错误(取伪)，通常把第二类错误出现的概率记为β；就是说，接受假假设的概率是β。
二，显著性检验
什么是显著性检验？在给定样本容量的情况下，我们总是控制犯第一类错误的概率α，这种只对犯第一类错误的概率加以控制，而不考虑犯第二类错误的概率β的检验，称作显著性检验。概率α称为显著性水平，显著性水平是数学界约定俗成的，通常取值有α =5%，2.5%，1% ，代表着显著性检验的结论错误率必须低于5%、2.5%和1%。在统计学中，通常把在现实世界中发生几率小于5%的事件称之为“不可能事件”。
一般情况下，根据研究的问题，如果拒绝真假设的损失大，为减少这类错误，α取值小些，把拒绝真假设的概率降到最低；反之，α取值大些。
在显著性检验中，需要用到检验统计量，根据检验法则来确定统计量，常用的统计量是Z统计量和t统计量。当检验统计量取某个区域C中的值时，拒绝原假设H0，则称区域C为拒绝域，拒绝域的边界点称为临界点。
显著性检验通常分为两大类：临界值法和p值法。
三，检验统计量
在统计学中，检验统计量是用于检验假设的参数是否正确的统计量，检验统计量服从一个给定的概率分布。常用的检验统计量有t统计量、Z统计量和卡方统计量等。
根据显著性水平，确认检验统计量的拒绝域的临界点，统计决策所依据的规则如下：
