p值能不能看作是原假设成立的概率呢，这样是不是更加直观易懂呢
请问统计学里P值如何理解
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。
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。
5 天 后
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。
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
8 天 后
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）。
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）。
1 个月 后
直观理解即可，以t-test为例。
精确的定义很拗口，甚至有个精妙的结论，H-0下，p value~uniform（0，1）。
精确的定义很拗口，甚至有个精妙的结论，H-0下，p value~uniform（0，1）。
p值就是拒绝原假设的最小概率。
8 天 后
通俗来说，p值就是拒绝原假设要冒的风险。
值越小，小风险可以接受，就拒绝；否则就无法拒绝。
这种解释可以辅助理解，但是并不严格～
值越小，小风险可以接受，就拒绝；否则就无法拒绝。
这种解释可以辅助理解，但是并不严格～
15 天 后
p越小，越说明有显著的统计学意义，大于0.05就不行了
4 个月 后
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。”
“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。”
14 天 后
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。
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]
18 天 后
9 天 后
大概率事件或者是小概率事件而已
1 个月 后
9 天 后
兄弟，有些事情，要是没有人告诉你，你永远也不知道到底是什么意思哦
1 个月 后
it is funny
it is fun
这个问题得好好研究研究