统计中，hypothesis testing是什么意思这种方法是如何操作的

问题问的有点广。基本上来说，Hypothesis Testing是通过样本去验证总体的方法。一般情况下会分为Null Hypothesis (H0)和Alternative Hypothesis (Ha或者H1). H0和H1是相对立的。H0是我们验证的主要对象，是通过验证是否拒绝H0来判定H1的正确与否。
方法就是通过P值，p值可以理解为有多大概率H0是真的。如果P值很小，小于我们设定的显著性水平（α，一般会设定为0.05），我们就可以拒绝H0,意味着我们有足够证据证明Ha是真的。如果大于显著性水平，就是我们没有足够证据证明Ha是真的。这里要强调一点，我们从不接受H0，只是拒绝或不拒绝，因为拒绝了H0并不意味着H0是错误的。这是因为在验证H0的时候我们会犯两类错误。
Type I Error （第一类错误）：H0为真时，我们错误的拒绝了它。
Type II Error （第二类错误）：H0为假时，我们错误的接受了它。
出现这两类错误的原因都是因为我们设定显著性水平α时出了问题。当α设定过低时，就容易犯第一类错误，当α设定过高时，就会犯第二类错误。但同时，我们为避免第一类错误时，势必会提高犯第二类错误的风险，所以显著性水平的设定需要小心。当然，如果你只是在学校学习的话，我们一般会把α直接理解为0.05。

扩展阅读：volumeshader-bm测试入口 ... 情绪超市一家之主 ... simultaneously ... volumeshader苹果测试 ... homophones ... volumeshader bm3 ... hypothesize ... hypocrisy ... volumeshaper bm ...