本章导言
假设检验是规定一条数据到行动的规则，并在指定模型下控制误判概率。本章从检验水平、功效和p值出发，用Neyman–Pearson引理建立两个简单假设之间的最强力检验，再研究复合假设和干扰参数。
置信区间由枢轴或检验反演构造，覆盖率是重复抽样中的性质。正态、二项和指数模型提供精确方法，有界观测的不等式提供非渐近保证；分类拟合优度和多重检验则说明，一个单项检验的有效性不能直接扩展到稀疏表、许多假设或数据驱动筛选。
先修知识与阅读方式
检验最优性的主线是18.1→18.2→18.3。精确区间18.4另接16.2，多重检验18.6可从18.1直接进入。18.5分层阅读：先看已知概率的分类模型与Fisher精确检验，再在19.1的随机阶和19.3的一般似然理论之后回读拟合参数证明。
可在全书学习路线核对先修内容。各节入口列出具体先修与阅读位置，全书依赖图区分主线、并列分支与技术延伸。各节注明完整证明、证明思路和引用定理的范围。
本章各节
- 18.1 检验、功效与p值
Tests, Power and P-values - 18.2 Neyman–Pearson引理
Neyman–Pearson Lemma - 18.3 复合假设、单调似然比与干扰参数
Composite Tests and Nuisance Parameters - 18.4 精确置信区间与非渐近保证
Exact Intervals and Finite-sample Guarantees - 18.5 分类数据与拟合优度
Categorical Data and Goodness of Fit - 18.6 多重检验与错误率
Multiple Testing and Error Rates