统计假设主要可以分为以下几种：
1. 零假设（Null Hypothesis）: 零假设是一种基本的假设，它通常表示没有差异或影响。在许多统计测试中，零假设是默认假设，即我们默认假设数据符合我们的预期，或者某种因素不直接影响结果。
2. 非零假设（Alternate Hypothesis）: 非零假设是与零假设相反的假设，它提出某种特定的差异或影响。提出非零假设是为了推翻零假设，并提出一个新的、更具体的解释。
3. 有效样本假设（Valid Sampling Assumption）: 有效样本假设是指样本是从总体中随机抽取的，这意味着样本的特性可以代表总体的特性。如果样本不是从总体中随机抽取的，那么我们的统计结果可能不准确。
4. 独立性假设（Independence Assumption）: 在许多统计测试中，独立性假设是指数据是独立的观察结果。如果观察结果之间存在相关性，那么我们的统计结果可能不准确。
5. 同质性假设（Homogeneity Assumption）: 同质性假设是指样本中的所有观察值具有相同的特性或特征。如果观察值之间存在显著差异，那么我们的统计结果可能不准确。