统计推断最根本的目的是从抽样调查的结果中归纳出总体特征，统计判断最基本的原则是，在数学上不同的数字在统计学上可能并没有显著不同。例如，在啤酒口味测试中， 52 ％的人偏好 A ， 48 ％的人偏好 B ，这里实际上的差别很小，并在我们所设计的误差之内，这种统计差别是不显著的。
在数学概念上，只要数字不同就有差分。然而，这并不能说明在统计上的意义是显著的。如果一个差分大到不可能由于抽样误差或者偶然因素引起的，那么这个差分在统计学上是显著的，称为统计显著性。那么，什么程度的差分才有统计显著性呢？差分的统计检验分析即可回答这个问题。
假设检验是我们通常使用的技术方法。例如，我们事先给某一个产品目标购买人群的定位是 25 岁，而调查表明是 28 岁。那么，事先的预测准确吗？通过假设检验技术就可以得到答案。
在假设检验中，柯尔莫洛夫－斯米尔诺夫 K-S 模型常常被采用。一个著名的案例是：康柏电脑在 FG 座谈会上得知，家庭电脑用户不喜欢办公环境中传统的颜色，在调查者出示了许多颜色以后，被调查者表示喜欢棕色。接下来，进一步对 6 个月内会购买电脑的 500 潜在用户进行了问卷调查，结果表明喜欢深棕色的 55 人，暗棕色的 45 人，中等棕色的 80 人，浅棕色的 170 人，特浅棕色的是 150 人。通常来讲，我们可以得到这样一个结论了：用户偏好浅棕色！但是，在进行 K-S 检验以后发现，统计量指 D 为 0.24 ，明显大于临界值 0.06 ，所用原来棕色偏好的假设不成立。