顯著性檢驗是統計學中用於評估樣本數據與預先設定的假設之間是否存在顯著差異的一種方法。具體來說，它涉及到以下步驟：
提出假設：首先，對總體的參數或分佈形式提出一箇假設，這個假設可以是關於總體平均數、比例或其他參數的。
樣本信息：利用從總體中抽取的樣本數據來評估這個假設的合理性。
判斷差異：顯著性檢驗旨在判斷樣本數據與原假設之間的差異是否顯著，即這些差異是由於抽樣誤差還是由假設本身與總體的真實情況不一致引起的。
小概率事件原理：檢驗的原理基於“小概率事件實際不可能性原理”，即如果一箇事件發生的概率非常小（例如小於5%），則通常認爲它實際上不會發生。
接受或否定假設：根據樣本數據計算出的統計量與設定的顯著性水平（如α=0.05或α=0.01）進行比較，以決定是否接受或否定原假設。
顯著性檢驗的一箇重要方面是區分兩種錯誤的可能性：
第一類錯誤：錯誤地拒絕了真實的原假設（即原假設爲真，但被錯誤地否定了）。
第二類錯誤：錯誤地接受了錯誤的原假設（即原假設不真，但被錯誤地接受了）。
在實際應用中，通常會設定一箇可接受的犯第一類錯誤的最大概率（α），而第二類錯誤的概率（β）則不是主要考慮的因素。顯著性水平α通常設定爲0.05或0.01，這意味着檢驗的結論錯誤率必須低於5%或1%。
顯著性檢驗是統計假設檢驗的一部分，而統計假設檢驗的前提是必須明確提出統計假設（無效假設，也稱爲零假設），沒有假設就無法進行檢驗。顯著性檢驗的結果可以幫助科研人員瞭解實驗或觀測結果是否真實可靠，或者是否僅僅是偶然現象。