统计学中的P值

P值的含义：原假设为真，出现偏离原假设值的观测值以及更极端的观测值的概率，也就是说，p值是个概率值。

在假设原假设（H0）正确时，出现现状或者比现状更差的情况的概率。

P值是Fisher先提出来的“显著性检验”理论体系中的概念，假设检验之所以可行，其理论背景是小概率理论。小概率事件是在一次试验中几乎不可能发生的，但是它一旦发生，我们就有理由拒绝原假设；反之，小概率事件没有发生，则认为原假设是合理的。

通常步骤如下：

1、有一个命题，称之为“零假设”（null hypothesis）H0；

2、找到一个统计量Z，可以计算Z的统计分布；

3、一次试验结果可以计算得到一个确切的Z值（Z0），在H0成立的情况下，出现比Z0更极端的情况概率值记作p值。

4、如果p很小，则可以作为“零假设并不成立”的有力证据。

显著性水平是原假设为真时拒绝原假设的概率，也就是上述说的小概率的界限，常取值0.05,0.01.在显著性水平a下，P值规则为，P<=a，则拒绝H0；如果P>a，则不拒绝原假设。

我们通常把1-a称为置信水平，即对推断结果的把握度、可靠性。