P值即機率，反映某一事件發生的可能性大小。統計學根據顯著性檢驗方法所得到的P值，一般以P<0.05為顯著，P<0.01為非常顯著，其含義是樣本間的差異由抽樣誤差所致的機率小於0.05或0.01。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<0.01時樣本間的差異比P<0.05時更大，這種說法是錯誤的。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。(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{X<C}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{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}(當C位於分佈曲線的左端時)。若X服從正態分佈和t分佈，其分佈曲線是關於縱軸對稱的，故其P值可表示為P=P{|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。整理自：樊冬梅，假設檢驗中的P值.鄭州經濟管理幹部學院學報，2002，韓志霞,張玲，P值檢驗和假設檢驗。邊疆經濟與文化，2006中國航天工業醫藥,1999P值是怎麼來的從某總體中抽⑴、這一樣本是由該總體抽出，其差別是由抽樣誤差所致；⑵、這一樣本不是從該總體抽出，所以有所不同。如何判斷是那種原因呢？統計學中用顯著性檢驗賴判斷。其步驟是：⑴、建立檢驗假設（又稱無效假設，符號為H0）：如要比較A藥和B藥的療效是否相等，則假設兩組樣本來自同一總體，即A藥的總體療效和B藥相等，差別僅由抽樣誤差引起的碰巧出現的。⑵、選擇適當的統計方法計算H0成立的可能性即機率有多大，機率用P值表示。⑶、根據選定的顯著性水平（0.05或0.01），決定接受還是拒絕H0。如果P＞0.05，不能否定“差別由抽樣誤差引起”，則接受H0；如果P＜0.05或P＜0.01，可以認為差別不由抽樣誤差引起，可以拒絕H0，則可以接受令一種可能性的假設（又稱備選假設，符號為H1），即兩樣本來自不同的總體，所以兩藥療效有差別。統計學上規定的P值意義見下表P值碰巧的機率對無效假設統計意義P＞0.05碰巧出現的可能性大於5%不能否定無效假設兩組差別無顯著意義P＜0.05碰巧出現的可能性小於5%可以否定無效假設兩組差別有顯著意義P＜0.01碰巧出現的可能性小於1%可以否定無效假設兩者差別有非常顯著意義理解P值，下述幾點必須注意：⑴P的意義不表示兩組差別的大小，P反映兩組差別有無統計學意義，並不表示差別大小。因此，與對照組相比，C藥取得P＜0.05，D藥取得P＜0.01並不表示D的藥效比C強。⑵P＞0.05時，差異無顯著意義，根據統計學原理可知，不能否認無效假設，但並不認為無效假設肯定成立。在藥效統計分析中，更不表示兩藥等效。哪種將“兩組差別無顯著意義”與“兩組基本等效”相同的做法是缺乏統計學依據的。⑶統計學主要用上述三種P值表示，也可以計算出確切的P值，有人用P＜0.001，無此必要。⑷顯著性檢驗只是統計結論。判斷差別還要根據專業知識。樣所得的樣本，其統計量會與總體引數有所不同，這可能是由於兩種原因[ts]kokofu於2010-3-2522:12補充以下內容[/ts]實際上生物統計原理基於此……呵呵。
P值即機率，反映某一事件發生的可能性大小。統計學根據顯著性檢驗方法所得到的P值，一般以P<0.05為顯著，P<0.01為非常顯著，其含義是樣本間的差異由抽樣誤差所致的機率小於0.05或0.01。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<0.01時樣本間的差異比P<0.05時更大，這種說法是錯誤的。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。(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{X<C}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{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}(當C位於分佈曲線的左端時)。若X服從正態分佈和t分佈，其分佈曲線是關於縱軸對稱的，故其P值可表示為P=P{|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。整理自：樊冬梅，假設檢驗中的P值.鄭州經濟管理幹部學院學報，2002，韓志霞,張玲，P值檢驗和假設檢驗。邊疆經濟與文化，2006中國航天工業醫藥,1999P值是怎麼來的從某總體中抽⑴、這一樣本是由該總體抽出，其差別是由抽樣誤差所致；⑵、這一樣本不是從該總體抽出，所以有所不同。如何判斷是那種原因呢？統計學中用顯著性檢驗賴判斷。其步驟是：⑴、建立檢驗假設（又稱無效假設，符號為H0）：如要比較A藥和B藥的療效是否相等，則假設兩組樣本來自同一總體，即A藥的總體療效和B藥相等，差別僅由抽樣誤差引起的碰巧出現的。⑵、選擇適當的統計方法計算H0成立的可能性即機率有多大，機率用P值表示。⑶、根據選定的顯著性水平（0.05或0.01），決定接受還是拒絕H0。如果P＞0.05，不能否定“差別由抽樣誤差引起”，則接受H0；如果P＜0.05或P＜0.01，可以認為差別不由抽樣誤差引起，可以拒絕H0，則可以接受令一種可能性的假設（又稱備選假設，符號為H1），即兩樣本來自不同的總體，所以兩藥療效有差別。統計學上規定的P值意義見下表P值碰巧的機率對無效假設統計意義P＞0.05碰巧出現的可能性大於5%不能否定無效假設兩組差別無顯著意義P＜0.05碰巧出現的可能性小於5%可以否定無效假設兩組差別有顯著意義P＜0.01碰巧出現的可能性小於1%可以否定無效假設兩者差別有非常顯著意義理解P值，下述幾點必須注意：⑴P的意義不表示兩組差別的大小，P反映兩組差別有無統計學意義，並不表示差別大小。因此，與對照組相比，C藥取得P＜0.05，D藥取得P＜0.01並不表示D的藥效比C強。⑵P＞0.05時，差異無顯著意義，根據統計學原理可知，不能否認無效假設，但並不認為無效假設肯定成立。在藥效統計分析中，更不表示兩藥等效。哪種將“兩組差別無顯著意義”與“兩組基本等效”相同的做法是缺乏統計學依據的。⑶統計學主要用上述三種P值表示，也可以計算出確切的P值，有人用P＜0.001，無此必要。⑷顯著性檢驗只是統計結論。判斷差別還要根據專業知識。樣所得的樣本，其統計量會與總體引數有所不同，這可能是由於兩種原因[ts]kokofu於2010-3-2522:12補充以下內容[/ts]實際上生物統計原理基於此……呵呵。