例如，假设某个样本所来自的总体等于假设的 总体。于是，可以分析如果零假设是真实的，那么 样本统计量的分布如何。并且，可以按照事先规定 的水平把抽样分布分成两个区域，一个属于零假设 的保留区域（出现的概率比较大），另一个为零假 设的拒绝区域，出现的概率比较小（落在这个区域 的事件都属于小概率事件)。 然后，实际分析所获得的这个样本统计量值， 看它落入哪个区域。如果出现的概率足够小，属于 小概率事件，就根据小概率事件在一次抽样中几乎 不可能发生原理，从实标可能性上，推翻零假设。 由此可见，小概率事件发没发生，是拒绝或保 留零假设的依据。例如，假设某个样本所来自的总体等于假设的 总体。于是，可以分析如果零假设是真实的，那么 样本统计量的分布如何。并且，可以按照事先规定 的水平把抽样分布分成两个区域，一个属于零假设 的保留区域（出现的概率比较大），另一个为零假 设的拒绝区域，出现的概率比较小（落在这个区域 的事件都属于小概率事件）。 然后，实际分析所获得的这个样本统计量值， 看它落入哪个区域。如果出现的概率足够小，属于 小概率事件，就根据小概率事件在一次抽样中几乎 不可能发生原理，从实际可能性上，推翻零假设。 由此可见，小概率事件发没发生，是拒绝或保 留零假设的依据