根据权威信息源，假设检验的三种核心方法可归纳为以下两类：

一、参数检验方法（基于总体分布假设）

1. t检验

   • 单样本t检验 ：检验单个样本均值与已知总体均值的差异，适用于总体方差未知且样本量较小的情况。

   • 两样本t检验 ：比较两个独立样本的均值差异，要求总体服从正态分布且方差齐性。

   • 配对样本t检验 ：分析同一组样本在不同条件下的均值变化，如药物前后血压对比。

2. z检验（Z检验）

   • 适用于大样本（通常n>30）或总体标准差已知的情况，通过标准正态分布判断样本均值与总体均值的差异是否显著。

3. F检验

   • 用于检验两个正态总体的方差是否相等，常用于方差分析（ANOVA）的方差齐性检验。

二、非参数检验方法（不依赖总体分布假设）

• 卡方检验 ：比较观察频数与期望频数的差异，适用于分类变量关联性分析或拟合优度检验。

• t检验（非参数） ：如Wilcoxon秩和检验，用于不满足正态分布或方差齐性的数据。

三、其他常用方法

• ANOVA ：比较三个或更多组均值差异，适用于多组样本的均值比较。

• 线性回归 ：通过检验回归系数判断自变量对因变量的影响。

总结 ：参数检验方法（t检验、z检验、F检验）适用于数据满足正态分布假设的情况，非参数检验方法（卡方检验、t检验）则适用于数据分布未知或偏离正态分布的场景。选择具体方法时需结合样本特征和数据分布。