声明：百科词条人人可编辑，词条创建和修改均免费，绝不存在官方及代理商付费代编，请勿上当受骗。详情

　　假设检验是推断统计中的一项重要内容。用SAS、SPSS等专业统计软件进行假设检验，在假设检验中常见到P值( P-Value，Probability，Pr)，P值是进行检验决策的另一个依据。

　　P值即概率，反映某一事件发生的可能性大小。统计学根据显著性检验方法所得到的P 值，一般以P 0.05 为有统计学差异， P0.01 为有显著统计学差异，P0.001为有极其显著的统计学差异。其含义是样本间的差异由抽样误差所致的概率小于0.05 、0.01、0.001。实际上，P值不能赋予数据任何重要性，只能说明某事件发生的几率。统计结果中显示Pr F，也可写成Pr( F)，P = P{ F0.05 F}或P = P{ F0.01 F}。

　　⑴、建立检验假设（又称无效假设，符号为H0）：如要比较A药和B药的疗效是否相等，则假设两组样本来自同一总体，即A药的总体疗效和B药相等，差别仅由抽样误差引起的碰巧出现的。⑵、选择适当的统计方法计算H0成立的可能性即概率有多大，概率用P值表示。⑶、根据选定的显著性水平（0.05或0.01），决定接受还是拒绝H0。如果P0.05，不能否定“差别由抽样误差引起”，则接受H0；如果P0.05或P 0.01，可以认为差别不由抽样误差引起，可以拒绝H0，则可以不拒绝另一种可能性的假设（又称备选假设，符号为H1），即两样本来自不同的总体，所以两药疗效有差别。

　　⑴P的意义不表示两组差别的大小，P反映两组差别有无统计学意义，并不表示差别大小。因此，与对照组相比，C药取得P0.05，D药取得P 0.01并不表示D的药效比C强。

　　⑵ P0.05时，差异无显著意义，根据统计学原理可知，不能否认无效假设，但并不认为无效假设肯定成立。在药效统计分析中，更不表示两药等效。那种将“两组差别无显著意义”与“两组基本等效”相同的做法是缺乏统计学依据的。

　　⑶统计学主要用上述三种P值表示，也可以计算出确切的P值，有人用P 0.001，无此必要。

　　⑷显著性检验只是统计结论。判断差别还要根据专业知识。抽样所得的样本，其统计量会与总体参数有所不同，这可能是由于两种原因。

　　1) 一种概率，一种在原假设为真的前提下出现观察样本以及更极端情况的概率。

　　4) 表示对原假设的支持程度，是用于确定是否应该拒绝原假设的另一种方法。

　　一般地，用X 表示检验的统计量，当H0为真时，可由样本数据计算出该统计量的值C，根据检验统计量X的具体分布，可求出P值。具体地说：

　　左侧检验的P值为检验统计量X 小于样本统计值C 的概率，即：P = P{ X C}

　　右侧检验的P值为检验统计量X 大于样本统计值C 的概率：P = P{ X C}

　　双侧检验的P值为检验统计量X 落在样本统计值C 为端点的尾部区域内的概率的2 倍：P = 2P{ X C} (当C位于分布曲线的右端时) 或P = 2P{ X C} (当C 位于分布曲线的左端时) 。若X 服从正态分布和t分布，其分布曲线是关于纵轴对称的，故其P 值可表示为P = P{ X C} 。

　　在实践中，当α = P值时，也即统计量的值C刚好等于临界值，为慎重起见，可增加样本容量，重新进行抽样检验。

　　樊冬梅. 假设检验中的P值[J]. 河南工程学院学报(社会科学版), 2002, 17(4):70-71.

　　韩志霞, 张玲. P值检验和假设检验[J]. 边疆经济与文化, 2006(4):62-63.