先记住这一句话
假设检验不是证明一个假设绝对正确，而是判断观察到的数据， 是否与某个起始假设足够不相容。
在英文课程中，你会频繁遇到 null hypothesis、test statistic、 significance level 和 p-value。真正困难的不是翻译这些词， 而是理解它们如何组成同一条推理链。
01
假设检验的核心逻辑
先假设总体没有变化，再判断样本结果在这个前提下是否足够罕见。
02
检验统计量的通用结构
大多数检验统计量都在衡量“观察差异”相对于“随机波动”有多大。
03
均值检验：z还是t？
根据总体方差是否已知、样本量与题目条件选择合适的均值检验。
04
比例检验怎么做
当研究对象是成功率、支持率或发生比例时，理解标准误如何构造。
05
p值到底意味着什么
p值衡量的是：若原假设成立，得到当前或更极端结果的概率。
最重要的区别
p值不是“原假设为真的概率”，也不是“结果由偶然造成的概率”。 它是在原假设成立的前提下，当前或更极端数据出现的概率。
06
最常见的解释误区
显著不等于重要，不显著也不等于完全没有效应。
