p值是指在一个概率模型中,统计摘要(如两组样本均值差)与实际观测数据相同,或甚至更大这一事件发生的概率。换言之,是检验假设虚无假设成立或表现更严重的可能性。
P值越小,表明结果越显著,但是检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需要根据P值的大小和实际问题来解决。
扩展资料
英国统计学家Ronald Fisher在上世纪20年代提出了一个假想的思路来确定实验效果是否只靠运气出现:首先假定实验结果在不同实验条件下没有差异,即所得结果是全然随机出现的;然后计算在完全随机的假设下出现当前数据结果或更极端的结果模式出现的概率,这就是当代统计学中所谓的 P值 。
假如出现当前结果模式(及更极端模式)的概率很小,则可以认为,这么小的概率在一次试验中不太可能会出现。从而反推:所假设的前提(不同实验条件没有差异)可能是错误的,即不同实验条件应能产生不同的实验效果。
这种思想被Fisher命名为显著性检验(test of significance),“显著”在他的原意中,并不表示其他意思,只是表明这一结果不是随机的。在这一推理模式中,最重要的统计指标就是P值 。
参考资料来源:百度百科--P值