川试验或调查的样本结果来推断对总体的统计假设可否接受的一种数学方法，也称显著性测验。统计假设通常指对总体的一个或多个参数所作的假设。至于这种假设是否可以接受，应依一定概率水平的保证来作推断。

在统计方法上，一般将被测验的统计假设称为无效假设，记作H₀。“无效”是指“无效应”。例如，指处理间无本质差异。设立这个假设仅仅是为了导入一个可以计算累积概率的抽样分布，以便在一定的概率水平上作出统计推断。如果测验结果，H₀被否定，就需要接受另一个或另一组相对应的备择假设，记作H_A，例如，处理间有本质差异。所以在进行假设测验时，除无效假设外，还必须事先确定备择假设并规定作出推断的概率水平。备择假设不同，在一定概率水平上接受或否定统计假设的范围也不同。

假设测验的方法因有关统计数的抽样分布而不同，常用的有u测验、t测验、F测验、x²测验、非参数测验等，分别适用于测验不同性质的对象。

以两个大样本平均数差数的假设测验（如测验两个小麦品种单产有无本质差异的u测验）为例，假设两个样本的总体平均数相等，即H₀∶μ₁＝μ₂；其相对应的备择假设为两个总体平均数不等，即H_A∶μ₁≠μ₂。如果测验结果，两个样本平均数差数的绝对值超过其差数标准误的1.96倍，就可以冒5%错误的风险来否定H₀而接受H_A。这里差数绝对值等于或大于1.96倍差数标准误的数值范围称为否定区，而小于这个数值的范围则称为接受区。两个样本平均数的差数如果落在否定区内，就否定无效假设。反之，如果落在接受区内，就接受无效假设。假设测验的这种推理方法，其依据是小概率的实际不可能性原理。即概率很小（如0.05以下）的事件在一次试验中基本上是不会出现的。如果根据无效假设某事件出现的概率很小，但在一次试验中竟然出现了，就可以否定无效假设而接受备择假设。

假设测验中，用以作为接受或者否定无效假设分界线的小概率值称为显著水平，记作α。农业研究常用的α值为0.05及0.01。通常用前者作为显著标准，后者为极显著标准。试验实得的概率值p＞α便接受无效假设，称为差异不显著；p≤α便否定无效假设，称为差异显著（或极显著）。

必须指出，接受一个统计假设并不等于这个假设是正确的。因为假设测验是以一定概率水平为推断基础的，在作出推断时可能发生两种类型的错误：Ⅰ型错误，即H₀是真实的而测验结果却被否定。这种错误也称α错误，因其出现的概率就是研究工作者事先确定的α。Ⅱ型错误，即H₀是不真实的而测验结果却加以接受，这种错误也称β错误，其概率不能事先加以规定。在样本容量不变的情况下，Ⅰ型错误概率的降低必然伴随着Ⅱ型错误概率的提高，而降低Ⅱ型错误概率也必然带来Ⅰ型错误概率的提高。如果要使两种类型错误同时减少，则必须加大样本容量，并获得一个较小而无偏的标准误。再者，差异显著仅仅说明差异的真实性，不一定都具有实用意义或价值。

无效假设与备择假设应是互斥的，否定无效假设便接受备择假设。如两个随机大样本平均数差数的假设测验，H₀∶μ₁＝μ₂，H_A∶μ₁≠μ₂。备择假设μ₁≠μ₂代表两种可能性，即μ₁＞μ₂或μ₁＜μ₂。因而假设测验推断的概率水平也应包括正态曲线左、右两尾两个否定区概率的总和。这种测验称为双尾测验。有时研究者在否定H₀后所关心的H_A。只是μ₁＞μ₂，即H₀∶μ₁≤μ₂，H_A∶μ₁＞μ₂，则推断的概率水平只应包括抽样分布曲线右尾否定区的概率。若所关心的只是H₀∶μ₁≥μ₂，H_A∶μ₁＜μ₂，那末推断的概率水平只应包括抽样分布曲线左尾否定区的概率。这类测验称为单尾测验。