Perusteellisissa tilastoissa hypoteesit muodostuvat alustavina vastauksina tutkimuskysymyksiin. Tilastollisen hypoteettisen testauksen avulla voimme arvioida hypoteeseja populaatioparametreista otostilastojen perusteella. Testauksen tyyppi vaihtelee muuttujien mittaustason mukaan. Jos oletetaan, että populaatioparametri on suurempi tai pienempi kuin jokin arvo, käytetään yksisuuntaista testiä. Kun tutkimushypoteesissa ei ilmoiteta suuntaa, käytetään kaksisuuntaista testiä. Kaksisuuntainen testi osoittaa, onko kyseessä olevien muuttujien arvoissa eroja vai ei.
Kerää populaatioparametrien tiedot. Määritä, onko olemassa teoreettinen perusta, joka viittaa tiettyyn parametrien suuntaeroon. Määritetty ero ilmoitettaisiin ilmoittamalla, että yhden muuttujan arvo on suurempi tai pienempi kuin toisen muuttujan arvo. Näiden tietojen avulla voit päättää, onko kaksisuuntainen testi sopiva.
Tee oletuksia muuttujan mittaustasosta, otantamenetelmästä, otoksen koosta ja populaatioparametreista. Käytä näitä oletuksia muotoillaksesi hypoteesejasi. Ensimmäinen hypoteesi on tutkimushypoteesi eli H1. Tässä hypoteesissa todetaan populaatioparametrin muuttujien ero. Toinen hypoteesi on nollahypoteesi eli H0. Tämä hypoteesi on ristiriidassa tutkimushypoteesin kanssa ja todetaan, että populaatiokeskiarvon ja määritetyn arvon välillä ei ole eroa.
Laske alfan testitilastot. Alfa on todennäköisyystaso, jolla nullhypoteesi hylätään. Alfa asetetaan tavallisesti tasoille .05, .01 tai .001, mikä tarkoittaa, että virhemarginaali on 5%, 1% tai .1%. Jos kyseessä on kaksisuuntainen testi, jaa alfa-arvo 2: lla ja vertaa sitä Z-tilastoon, jos keskihajonta tiedetään, tai t-tilastoon, jos keskihajonta ei ole tiedossa.
Testaa nollahypoteesi sen selvittämiseksi, onko populaatioparametrissa eroa. Tavoitteena on hylätä nollahypoteesi tukemaan tutkimushypoteesia. Kun todennäköisyysarvo on pienempi kuin alfa, hylkäämme nollahypoteesin ja tuemme tutkimushypoteesia. Kun todennäköisyysarvo on suurempi kuin alfa, emme hylkää nollahypoteesia.