假设检验是统计学里的重要方法，同时也是一种“在理想与现实之间观察求索”的测试活动。假设检验从概率的角度去考察理想与现实之间的关系，籍此来缓解测试可信性问题。

我们先来看一个例子。民航旅客服务系统，简称PSS系统，有一种业务叫换飞机，如果一个航班，原定执飞的飞机出了故障，就需要换飞机。但是可能换不到原来机型的飞机，比如原来是一个空客320，只能换到一个波音737，这就比较麻烦了，系统需要做很多事，要更换航班布局、所有旅客要重新安排座位，等等。用的时间会比较长。

假设PSS系统的一个期望是“换飞机的平均处理时长不超过160秒”。这是一个关于系统性能的期望。测试的时候，我们把换飞机的用例重复执行了6次，发现每次执行的系统处理时长都不一样，平均值是170秒。

那么我们的测试结论应该是什么？能断定系统性能不符合预期吗？显然不能，因为测试结果是一个随机变量，我们只测了6次，如果再多测几次，平均值可能就低于160秒了。

切比雪夫大数定律告诉我们，如果测试的次数足够多，处理时长的算数平均值就会趋近于数学期望，也就是真正的“平均处理时长”。但是我们的资源是有限的，只够我们做6次测试，所以结果一定有偏差，这就是抽样误差。而且，测试的次数越少，测试结果的方差越大，抽样误差也就越大。如果直接拿这样的结果去下测试结论，一定是有偏颇的。这就是测试的五个基本问题之一——测试可信性问题的典型表现。

怎么办呢？还是要依靠统计的思想。如果我们能知道，“6次测试的均值是170秒”，这样一个结果发生的概率是多少，我们就能更准确地判断，系统性能是不是符合预期，或者说，有多大可能符合预期，测试结论就能更靠谱一些。

那么，怎么才能知道170秒这个结果发生的概率是多少呢？这就是抽样分布问题。抽样分布研究的是：从总体中抽取的样本，应该具有什么样的统计特征，跟总体的统计特征有什么关系。这是统计学里的一个重要课题。

比方说，桶里面有4个球，重量分别是2/3/3/4公斤。总体的数学期望是3，方差是0.5，标准差是0.707。我们用放回抽样的方式，从桶里抽2个球当样本，也就是先抽一个，看看是多重的，放回桶里，再抽下一个。可能的抽样结果一共有这样16种：

每种结果出现的可能性是相同的，都是1/16。这样我们就可以算出每种抽样结果的样本均值，以及所有16种样本均值的数学期望和方差。可以看到，样本均值的数学期望和总体的数学期望一样，都是3；样本均值的方差是0.25，也就是总体方差除以样本量2。

如果增加样本量，比如抽4个球，我们会发现结论是相同的，样本均值的数学期望还是跟总体数学期望一样；样本均值的方差还是等于“总体方差除以样本量”——看起来是有规律的。

接下来我们看样本均值的概率分布。来算一下各种不同的样本均值出现的概率，比如16种抽样结果里，样本均值是2.0的情况只出现了一次，所以2.0的概率是1/16；2.5出现了4次，所以2.5的概率是1/4。算出各个样本均值的概率之后，就可以画出样本均值的概率分布曲线了：

看得出来，已经有点像正态分布了。如果样本量是4，样本均值的概率分布曲线是下面这个样子，就更加接近正态分布：

从这个例子，我们可以引出抽样分布的一组基本规律：

1. 样本量越大，样本均值越趋近于服从正态分布。

2. 样本均值的数学期望与总体的数学期望相同。

3. 样本均值的方差等于总体方差除以样本量。

到这里，我们就完成了假设检验的理论储备。那假设检验具体是怎么做的呢？我们还是用换飞机的例子来说明。

① 首先第一步是建立假设。我们先假设换飞机的平均处理时长是符合预期的，最多就是160秒。也就是说，总体均值是160。这个假设叫零假设。如果零假设成立，为什么实际测试结果均值会是170秒呢？因为这个170秒是“样本均值”，跟“总体均值”之间有抽样误差。但是根据抽样分布规律，样本均值服从正态分布，有99.7%的概率会落在160附近6倍标准差的范围内，所以这个误差一般不会特别大，如果特别大就说明零假设有问题；

② 那怎么才算特别大呢？我们需要设定一个阈值，也叫显著水平，意思是“理想和现实的差异是不是足够显著”，一般取一个比较小的值，比如0.05。如果一个抽样误差出现的概率比这个显著水平还要低，那这个抽样误差就算“特别大”了，我们就可以认为，出现这种程度的误差是一个小概率事件，在一次测试里面是不可能发生的。这就是小概率事件的实际不可能原理；

③ 第三步，在零假设的基础上，计算测试结果的发生概率。我们做了6次性能测试，相当于抽取了6个样本，样本均值是170秒。按照抽样分布规律，样本均值近似服从正态分布，这个正态分布的数学期望跟总体一样是160。另外假定总体方差已知，是144，那么样本均值的方差就是144/6=24。因此，样本均值的概率分布应该是：

在这样一个概率分布上，实际结果是170，也就是说，比均值160高出了10以上。这个结果的概率算下来是：

④ 最后，把这个概率跟显著水平0.05作比较，发现比显著水平要小，说明测试结果是一个小概率事件，但是的的确确发生了。也就是说，从零假设出发推出了矛盾，当然这个矛盾是统计意义上的矛盾。这时候，我们就可以否定零假设，所以最终的测试结论是，在显著水平0.05的意义上，换飞机的平均处理时长不符合预期，超过了160秒。

把假设检验的过程总结成一句话，就是：首先假设理想和现实相符，然后根据抽样分布规律，计算测试结果出现的概率，如果概率比显著水平低，就否定零假设，如果概率比显著水平高，就接受零假设。