统计中的t值与p值在统计软件中是怎么计算的？

p值
就是拒绝原假设的最小alpha值嘛，把你的
统计量
写出来，带进去算出来之后，根据统计量的分布来算p值啊，我举个例子，你比如说你算出来的统计量的值为z,服从的是
正态分布
，如果是双边检验的话那么你的pvalue=2(1-probnorm(abs(Z)));
单边检验的话，应该是1-probnorm(z);
具体问题具体分析
，不同的检验方法求p值方法也不一样，统计的书上肯定都有；

P值即为拒绝域的面积或概率。

P值是最小的可以否定假设的一个值。这里需要一个原始假设。不然一个数值没法比较，更遑论最小的否定值了。 从现在开始，注意大小写的p概念不同的。 假设检验，这里应该是比例检验（p检验，检验满意度，这是个百分比值）

P值是最小的可以否定假设的一个值。并不是简单相除就完了。

这个实验应该是：“某人说，满意度应该是80%，即p0=08。然后我们做了这个实验，测试了120个人，100个满意，20个不满意”但是这样我们能说满意度是100/120=833%么？显然不能，因为对于整个顾客群来说，抽样测试的群体太小。

P值的计算公式是

=2[1-Φ(z0)] 当被测假设H1为 p不等于p0时；

=1-Φ(z0)  当被测假设H1为 p大于p0时；

=Φ(z0)   当被测假设H1为 p小于p0时；

其中，Φ(z0)要查表得到。

z0=（x-np0）/(根号下（np0(1-p0)）) 最后，当P值小于某个显著参数的时候（常用005，标记为α，给你出题那个人，可能混淆了这两个概念）就可以否定假设。反之，则不能否定假设。

注意，这里p0是那个缺少的假设满意度，而不是要求的P值。没有p0就形不成假设检验，也就不存在。

P值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出。

P值（P value）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。

总之，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”需要我们自己根据P值的大小和实际问题来解决。

扩展资料：

P值P值计算方法：为理解P值的计算过程，用Z表示检验的统计量，ZC表示根据样本数据计算得到的检验统计量值。

左侧检验P值是当  时，检验统计量小于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即p值

右侧检验 P值是当μ=μ0时，检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即p值

双侧检验P值是当μ=μ0时，检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即p值 

参考资料：

百度百科—P值

---