假設檢驗是推斷統計中的一項重要內容。

用SAS、SPSS等專業統計軟體進行假設檢驗，在假設檢驗中常見到P 值方法( P-Value，Probability，Pr)，這是由於它更容易應用於計算機軟體中。

統計學根據顯著性檢驗方法所得到的P 值，一般以P

實際上，P 值不能賦予資料任何重要性，只能說明某事件發生的機率。P

統計結果中顯示Pr > F，也可寫成Pr( >F)，P = P{ F0.05 > F}或P = P{ F0.01 > F}。

下面的內容列出了P值計算方法。

(1) P值是：

1) 一種機率，一種在原假設為真的前提下出現觀察樣本以及更極端情況的機率。

2) 拒絕原假設的最小顯著性水平。

3) 觀察到的(例項的) 顯著性水平。

4) 表示對原假設的支援程度，是用於確定是否應該拒絕原假設的另一種方法。

5)注意：p值不是給定樣本結果時原假設為真的機率，而是給定原假設為真時樣本結果出現的機率。

(2) P 值的計算：

一般地，用X 表示檢驗的統計量，當H0 為真時，可由樣本資料計算出該統計量的值C ，根據檢驗統計量X 的具體分佈，可求出P 值。具體地說:

左側檢驗的P 值為檢驗統計量X 小於樣本統計值C 的機率，即: P = P{ X

右側檢驗的P 值為檢驗統計量X 大於樣本統計值C 的機率: P = P{ X > C}

雙側檢驗的P 值為檢驗統計量X 落在樣本統計值C 為端點的尾部區域內的機率的2 倍: P = 2P{ X > C} (當C 位於分佈曲線的右端時) 或P = 2P{ X C} 。

計算出P 值後，將給定的顯著性水平α與P 值比較，就可作出檢驗的結論:

如果α > P 值，則在顯著性水平α下拒絕原假設。

如果α ≤ P 值，則在顯著性水平α下接受原假設。

在實踐中，當α = P 值時，也即統計量的值C 剛好等於臨界值，為慎重起見，可增加樣本容量，重新進行抽樣檢驗。