Teste de hipóteses, teste estatístico ou teste de significância é um procedimento estatístico que permite tomar uma decisão (aceitar ou rejeitar a hipótese nula ${\displaystyle H_{0}}$) entre duas ou mais hipóteses (hipótese nula ${\displaystyle H_{0}}$ ou hipótese alternativa ${\displaystyle H_{1}}$), utilizando os dados observados de um determinado experimento. Há diversos métodos para realizar o teste de hipóteses, dos quais se destacam o método de Fisher (teste de significância), o método de Neyman–Pearson e o método de Bayes.

Por meio da teoria da probabilidade, é possível inferir sobre quantidades de interesse de uma população a partir de uma amostra observada de um experimento científico. Por exemplo, estimar pontualmente e de forma intervalar um parâmetro de interesse, testar se uma determinada teoria científica deve ser descartada, verificar se um lote de remédios deve ser devolvido por falta de qualidade, entre outros. Por meio do rigor matemático, a inferência estatística pode ser utilizada para auxiliar a tomada de decisões nas mais variadas áreas.

Os testes de hipóteses são utilizados para determinar quais resultados de um estudo científico podem levar à rejeição da hipótese nula ${\displaystyle H_{0}}$ a um nível de significância pré–estabelecido. O estudo da teoria das probabilidades e a determinação da estatística de teste correta são fundamentais para a coerência de um teste de hipótese. Se as hipóteses do teste de hipóteses não forem assumidas de maneira correta, o resultado será incorreto e a informação será incoerente com a questão do estudo científico. Os tipos conceituais de erro (erro do tipo I e erro do tipo II) e os limites paramétricos ajudam a distinguir entre a hipótese nula ${\displaystyle H_{0}}$ e a hipótese alternativa ${\displaystyle H_{1}}$.

São fundamentais os seguintes conceitos para um teste de hipóteses:

• Hipótese nula (${\displaystyle H_{0}}$): é a hipótese assumida como verdadeira para a construção do teste. É a teoria, o efeito ou a alternativa que se está interessado em testar.
• Hipótese alternativa (${\displaystyle H_{1}}$): é considerada quando a hipótese nula não tem evidência estatística.
• Erro do tipo I (${\displaystyle \alpha }$): é a probabilidade de se rejeitar a hipótese nula quando ela é verdadeira.
• Erro do tipo II: é a probabilidade de se rejeitar a hipótese alternativa quando ela é verdadeira.