Hypotesundersökning är en utbredd vetenskaplig process som används inom statistiska och samhällsvetenskapliga discipliner. I studien av statistik uppnås ett statistiskt signifikant resultat (eller ett med statistisk signifikans) i ett hypotestest när p-värdet är mindre än den definierade signifikansnivån. P-värdet är sannolikheten för att få en teststatistik eller ett provresultat så extremt eller mer extremt än det som observerats i studien medan signifikansnivån eller alfa säger en forskare hur extrema resultat måste vara för att avvisa nollhypotesen. Med andra ord, om p-värdet är lika med eller mindre än den definierade signifikansnivån (vanligtvis betecknad med α), kan forskaren med säkerhet anta att de observerade uppgifterna är oförenliga med antagandet att nollhypotesen är sann, vilket betyder att nollhypotesen, eller antagandet att det inte finns något samband mellan de testade variablerna, kan avvisas.
Genom att avvisa eller motbevisa nollhypotesen drar en forskare slutsatsen att det finns en vetenskaplig grund för tron att det är en viss relation mellan variablerna och att resultaten inte berodde på provtagningsfel eller chans. Även om att avvisa nollhypotesen är ett centralt mål i de flesta vetenskapliga studier, är det viktigt att notera att avvisningen av nollhypotesen inte motsvarar beviset för forskarens alternativa hypotes.
Begreppet statistisk betydelse är grundläggande för hypotesundersökning. I en studie som involverar att dra ett slumpmässigt urval från en större population i ett försök att bevisa ett resultat som kan tillämpas på befolkningen som helhet finns det den ständiga potentialen för studiedata att vara ett resultat av samplingsfel eller enkel tillfällighet eller chans. Genom att bestämma en signifikansnivå och testa p-värdet mot det kan en forskare med säkerhet upprätthålla eller förkasta nollhypotesen. Betydelsesnivån, i de enklaste termerna, är tröskelns sannolikheten för att felaktigt avvisa nollhypotesen när den i själva verket är sant. Detta kallas också felhastigheten typ I. Betydelsesnivån eller alfa är därför förknippad med testets totala konfidensnivå, vilket betyder att ju högre alfa-värdet är, desto större är förtroendet för testet.
Ett typ I-fel, eller ett fel av det första slaget, uppstår när nollhypotesen förkastas när den i verkligheten är sant. Med andra ord kan ett typ I-fel jämföras med ett falskt positivt. Typ I-fel kontrolleras genom att definiera en lämplig nivå av betydelse. Bästa praxis i vetenskaplig hypotesundersökning kräver val av en signifikansnivå innan data insamlingen ens börjar. Den vanligaste signifikansnivån är 0,05 (eller 5%) vilket innebär att det finns en 5% sannolikhet för att testet kommer att drabbas av ett typ I-fel genom att avvisa en sann nollhypotes. Denna signifikansnivå översätter omvänt till en 95% nivå av förtroende, vilket innebär att över en serie hypotest, kommer 95% inte att resultera i ett typ I-fel.