序贯概率比检验（SPRT）方法只针对原假设和备择假设都是简单假设的情况，它由两个假设下的似然函数构造似然比而得。对于原假设和备择假设中有一个或两个为复杂假设时，SPRT方法不再适用。针对具有复杂假设的检验问题，统计学家A.瓦尔德提出基于加权似然比，也称为混合似然比的序贯检验方法。加权似然比的形式为：

式中为概率密度函数或分布列函数；和为需要选取的权重函数。记原假设和备择假设对应的参数域分别为和，可通过赋予在上比在上更大的权重，以及在上比在上更大的权重，加权似然比构成了备择假设对原假设的可能性大小的比值。类似于SPRT方法，当加权似然比足够大时则拒绝原假设，足够小时接受原假设，不太大也不太小时继续抽样。

针对不同的优化目标和采用不同的权重函数和，可以发展出不同的基于加权似然比的序贯检验方法。理论研究表明，权重函数的选取会影响方案的平均样本量等性质。对于权重确定且满足两类加权风险要求和的情况，基于加权似然比的序贯检验方法具有一定的优良性和可操作性。对于权重函数未知的情况，需要选择合适的权重函数，但理论上尚未有普适性的最优选择方法，这给实际操作带来了困难。