在假设检验中，我们经常见到这样的说法：因为P<0.05，所以拒绝原假设。这里的P值究竟是什么含义呢？很多人对P值存在误解，认为既然是与0.05作比较后得出结论，那么P值就是零假设成立的概率，P值越小，零假设越不正确。这种理解是错误的。例如零假设为某人患有肺气肿，对于这个问题，不能去讨论患肺气肿的概率，因为对于所有人，要么患此病，要么不患此病，不会因为P值的大小而改变。
先用一句通俗的话来解释P值：在原假设成立的条件下（注意该前提），出现该试验结果或更极端情况的概率。
从例子中了解P值：
有一天你和男朋友打赌说你有特殊技能，能够通过观察辨别出白酒和白水（颜色、外观等一切特质都相同）。
男朋友表示质疑，准备对你进行测试。随即摆出了20杯看上去毫无差别的白酒和白水让你区分，他事先已经做好万全准备，很清楚的知道每一杯装的是水还是酒，并用他的统计学知识写下了如下检验：
H0:没有特殊技能，分辨成功的概率为0.5（无确凿证据不能推翻的）
他一脸震惊的说：“这可是一个小概率事件，P值那么小的事件都发生了，你真的有特殊技能啊！”
这时，你嫌弃地对他说：“你的统计学确实不如我学的好，现在我是猜对了18杯，如果我猜对19杯，甚至20杯呢，是不是更说明我有特殊技能？
P值的含义就是在零假设成立的前提下，出现该结果或更极端情况的概率，而这儿的19、20就属于更极端的情况，所以刚刚那不是P值，加上猜对19杯、20杯的概率才是P值。”男朋友一脸膜拜的看着你，并立刻掏出了小本本计算P值：
你欣慰地说：“没错，就是这样。”
（理论上说，只猜对一杯、两杯的情况也属于极端情况，在这里我们只考虑单侧。）
这里的例子是取值为离散值时候的P值，取值为连续值时，P值则为出现某一区间范围的概率。#清风计划#
