假设检验的三个关键点是：
选择检验统计量：
根据样本数据的特点和研究目的，选择一个合适的统计量来衡量样本数据与假设之间的关系。例如，如果研究的是总体均值，可能会选择t统计量；如果研究的是总体比例，可能会选择z统计量或卡方统计量。
确定显著性水平：
显著性水平（α）是在进行假设检验时预先设定的一个概率阈值，用于判断检验结果是否显著。通常，显著性水平设为0.05，意味着如果拒绝原假设，那么观察到的数据与原假设不一致的程度足够大，以至于在5%的概率下这是偶然发生的。
验证假设：
基于样本数据计算检验统计量的实际值，并将其与预先设定的临界值（或p值）进行比较。如果检验统计量的实际值超出了临界值范围，或者在p值小于显著性水平，那么拒绝原假设，认为样本数据提供的证据足以支持拒绝原假设。如果检验统计量的实际值在临界值范围内，或者在p值大于显著性水平，那么不拒绝原假设，认为没有足够的证据支持拒绝原假设。
这三个关键点构成了假设检验的基本流程，通过科学地选择统计量、设定显著性水平并进行假设验证，可以得出是否拒绝原假设的结论。
