备择假设一般是研究者想要收集证据支持的假设，因为建设检验核心用到是小概率反证，所以我们会提出与备择建设对立的假设作为替换假设。
即原假设是正确的，但我们拒绝了原假设 ，认为实验结果是显著的，错误上线了实验方案；
原假设不正确，但是没有拒绝认为实验不显著，错过了一个好版本推全量上线机会；
对两类错误上限的选取（α是5%，β是20%），因此对A/B实验背后的思考，业内也有一句广为流传的话，宁肯砍掉4个好的产品，也不应该让1个不好的产品上线。
在认为总体符合正态分布的时候，两个总体的均值差也是符合正态分布的，所以在统计学的参数估计上会认为，均值差会在一定的置信区间内，并且落在置信区间之外的概率很小，是一个小概率事件，且统计学认为小概率事件在一次实验中是不可能发生的。
因此当最后实验结果发现，样本的均值差真的落在了置信区间之外，也就是拒绝域，我们则有一定置信水平下的把握认为可以拒绝原假设，两个总体均值之间存在显著的差异（实验显著）。
反证法对原假设做出非对即错的判断，本质上是判断是，样本和总体的差是抽样的误差引起的，还是总体的差异带来的。
在假设检验中，虽然不能但是我们知道拒绝域的概率为α，因此，在假设检验中，犯“弃真”错误的概率最大值就是给定的显著性水平α，p 值则是比较精确的给出了我们犯弃真错误的大小。
P值就是我们错误拒绝原假设的概率，P值越小，越有理由拒绝原假设。