简述假设检验的一般步骤。

假设检验是统计学中用于推断总体参数是否符合假设的重要方法。其核心思路是通过构造合适的统计量，结合样本数据与原假设之间的矛盾程度，判断是否拒绝原假设。
关键要点：

1. 原假设与备择假设的对立关系；
2. 统计量的选择与计算需匹配数据特征；
3. 显著性水平决定拒绝域的临界值；
4. 决策规则通过比较统计量与临界值实现。

（1）提出原假设

• 原假设（$H_0$）：研究中需检验的假设，通常为“无差异”或“无关联”；
• 备择假设（$H_1$）：与原假设对立，代表研究希望支持的结论。
  注意：原假设应包含等号（如 $H_0: \mu = \mu_0$），便于构造检验统计量。

（2）选择和计算统计量

• 统计量类型：根据数据特征选择（如 $Z$ 检验、$t$ 检验、$\chi^2$ 检验等）；
• 计算公式：例如均值检验的 $Z = \frac{\bar{X} - \mu_0}{\sigma / \sqrt{n}}$，需代入样本数据。

（3）确定临界值

• 显著性水平：通常取 $\alpha = 0.05$ 或 $0.01$，反映拒绝原假设的风险；
• 临界值：根据统计量分布（如正态分布、$t$ 分布）和 $\alpha$ 查表得到。

（4）比较与决策

• 拒绝域：若统计量绝对值超过临界值（或 $p$ 值 $\leq \alpha$），拒绝 $H_0$；
• 结论：拒绝原假设则支持 $H_1$，否则保留 $H_0$。