统计学中p值的含义是什么？

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，是检验假设零假设成立或表现更严重的可能性。p值若与选定显著性水平（0.05或0.01）相比更小，则零假设会被否定而不可接受。然而这并不直接表明原假设正确。p值是一个服从正态分布的随机变量，在实际使用中因样本等各种因素存在不确定性。产生的结果可能会带来争议。

发展史

R·A·Fisher（1890-1962）作为一代假设检验理论的创立者，在假设检验中首先提出P值的概念。他认为假设检验是一种程序，研究人员依照这一程序可以对某一总体参数形成一种判断。也就是说，他认为假设检验是数据分析的一种形式，是人们在研究中加入的主观信息。

当时这一观点遭到了Neyman-Pearson的反对，他们认为假设检验是一种方法，决策者在不确定的条件下进行运作，利用这一方法可以在两种可能中作出明确的选择，而同时又要控制错误发生的概率。这两种方法进行长期且痛苦的论战。

虽然Fisher的这一观点同样也遭到了现代统计学家的反对，但是他对现代假设检验的发展作出了巨大的贡献。

假设检验的P值方法

假设检验的p值方法使用计算出的概率来确定是否有证据拒绝原假设。零假设（也称为猜想）是有关总体（或数据生成过程）的最初主张。备选假设指出总体参数是否与猜想中所述的总体参数值不同。

在实践中，预先声明了显着性水平，以确定p值必须有多小才能拒绝无效假设。由于不同的研究人员在研究问题时会使用不同级别的重要性，因此读者有时可能难以比较两种不同测试的结果。P值提供了解决此问题的方法。

例如，假设一项比较两种特定资产收益的研究是由使用相同数据但不同显着性水平的不同研究人员进行的。对于资产是否不同，研究人员可能得出相反的结论。

如果一位研究人员使用90％的置信度而另一位研究人员要求95％的置信度来拒绝原假设，并且两次收益之间观察到的差异的p值为0.08（对应于92％的置信度） ，那么第一个研究人员将发现这两种资产具有统计上的显着差异，而第二个研究人员将发现收益之间在统计上没有显着差异。

为了避免这个问题，研究人员可以报告假设检验的p值，并允许读者自己解释 统计学意义 。这称为假设检验的p值方法。独立的观察者可以记录p值，并自己决定这是否代表统计学上的显着差异。

以上内容参考 百度百科-P值

P-值是在原假设为真的条件下某一统计量的取值以其观察值为最小值或最大值的事件的小概率，或说某一统计量的取值以其观察值为最小值或最大值是一个小概率事件，此小概率就是 P。

（我所理解的）P值的各路定义：在一个假设检验问题中，利用观测值能够做出拒绝原假设的最小显著性水平称为 P-值。对于 P-值的理解，一般情况下有这几种认识：

(1) 拒绝原假设的最小显著性水平。

(2) 观察到的(实例样本的) 显著性水平。

(3) 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。

(4) 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。

(5) 我们在拒绝原假设的犯的最小的第一类错误，而所规定的显著性水平（具有主观性）是事先给定的犯第一类错误的最大错误。以上基本就是我所知道的关于P值的各种解释了。

对于了解统计学的人，相信稍微思考就应该能够会心一笑，对于不懂统计学的人，可以看一些基本的书籍，假设检验虽然重要，但是描述性的统计一样蕴含着古老的化繁为简的智慧。

起源

统计学的英文statistics最早源于现代拉丁文Statisticum Collegium（国会）、意大利文Statista（国民或政治家）以及德文Statistik，最早是由Gottfried Achenwall于1749年使用，代表对国家的资料进行分析的学问，也就是“研究国家的科学”。

十九世纪，统计学在广泛的数据以及资料中探究其意义，并且由John Sinclair引进到英语世界。

统计学是一门很古老的科学，一般认为其学理研究始于古希腊的亚里士多德时代，迄今已有两千三百多年的历史。它起源于研究社会经济问题，在两千多年的发展过程中，统计学至少经历了“城邦政情”、“政治算数”和“统计分析科学”三个发展阶段。

所谓“数理统计”并非独立于统计学的新学科，确切地说，它是统计学在第三个发展阶段所形成的所有收集和分析数据的新方法的一个综合性名词。概率论是数理统计方法的理论基础，但是它不属于统计学的范畴，而是属于数学的范畴。

---