hexm26 P值是基于原假设（比如说回归模型中的参数实际为零）的假定，而你根据数据和事先设定的原则对这个假定给于拒绝后，你所可能犯下一个错误的可能性大小。既然是错误的概率，越小你就越有把握去拒绝原假设；但如果P值比较大，你最好谨慎点，而不去拒绝假定的原假设。
fdbsjhc 如果弄明白了 p 值、犯第一类错误的概率、拒绝域等概念之间的关系，大概就对 p 值有比较清楚的理解了。 上面提到的书的确是我读过的第一本对 p 值解释得简单而清楚的书，去图书馆借来看看吧。
zhwzh73 我的理解：P值就是由原假设为真时推论的样本结果，与实际观察的样本结果相一致的概率。如果P值很小，说明实际观察的样本结果与推论的样本结果相一致的概率很低，在事实面前，这个原假设是否合理就值得怀疑。P值越小，怀疑的可信性越强，证据越充分。
libryant 现在假设你接受了一个 原假设 然后我们用现有的数据检验这个假设是否正确 在这个原假设成立的条件下 如果得到现有观测值的概率非常小 我们可以说小概率事件 在一次实验中不可能发生 而现在这个小概率事件发生了 那么说明 数据不是来自我们假设的那个分布 从而拒绝原假设 p值 就是 原假设成立的条件下 得到比现有观测数据更极端的观测值的概率 如果这个p值很小 说明 原假设不成立
pklin 全面的说，ｐ值算法是 １． 原假设（H0:x1==x2） ２． 套上合适回答原假设的数学统计模型（t/F/chi-square tests)，算出个统计值 ３． 从相关的分布把此统计值转换到所谓的灵异空间（０，１） 所以ｐ值不止是受“原假设”（H0:x1==x2）的影响。我们在计算过程用到的假设（误差正态分布，使用模型合适，等等）也会影响到它。 换句话说，ｐ值应该是实际观察样本合乎所有假设成立的“可信度”（不是概率）。
sailorchqy 本人以为这种理解比较合理： “p值 就是 原假设成立的条件下 得到比现有观测数据更极端的观测值的概率 如果这个p值很小 说明 原假设不成立。通俗来说，p值就是拒绝原假设要冒的风险。”
yanlinlin82 看了一圈，结合主站上的这两篇文章，还有wikipedia上给出的定义（http://en.wikipedia.org/wiki/P-value），才勉强搞明白p值的定义，再回过来看大家的发言，才发现原来很多人跟我一样不懂。 [s:11]
半亩地 [quote]引用第15楼dengyishuo于2009-07-30 12:45发表的 回 楼主(QQQQQ) 的帖子 : 推荐你看一下马景义老师写的《小议假设检验史上的两种理论——基于两种p值定义》，我可以发给你。 [/quote] 我想看一下这篇文章，我的邮箱是hbxjzx28814@163.com,谢谢
xiangzi525 [quote]引用第7楼libryant于2009-01-14 17:34发表的 : 现在假设你接受了一个 原假设 然后我们用现有的数据检验这个假设是否正确 在这个原假设成立的条件下 如果得到现有观测值的概率非常小 我们可以说小概率事件 在一次实验中不可能发生 而现在这个小概率事件发生了 那么说明 数据不是来自我们假设的那个分布 从而拒绝原假设 p值 就是 原假设成立的条件下 得到比现有观测数据更极端的观测值的概率 如果这个p值很小 说明 原假设不成立 [/quote] 这一概括还是相当准确的！
