假设检验中的p值

p值是指对于该样本，在假设原假设（H0）正确时，出现现状或更差（极端）的情况的概率。

也就是说，p是已经发生的概率，如果这个概率很小，小到几乎是不可能发生，但是这件事情却已经发生了，我们就有理由怀疑原假设是不对的。

举例：

有一枚硬币：

H0：该硬币正反均匀；

H1：该硬币正反不均匀；

现在进行实验，掷20次，结果9次朝上。在H0正确的情况下,正反概率都是0.5，比这个状况更极端的概率就是p，即p=P(X>=19)=P(X=19)+P(X=20)=21*0.5^20，显然这个概率太小了，但是这种有生之年难得一见的事情却发生了。默默告诉自己这并不是奇迹，只能相信H0是错的。

这个例子是单尾检验，只考虑X>=19的情况，有时候需要考虑两端，也就是双尾检验。

这里说的也不错：http://www.360doc.com/content/15/0704/22/22175932_482657194.shtml

H0：该硬币正反均匀；

H0：该硬币正反均匀；