P值即為拒絕域的面積或機率。P值的計算公式是 =2[1-Φ(z0)] 當被測假設H1為 p不等於p0時； =1-Φ(z0) 當被測假設H1為 p大於p0時； =Φ(z0) 當被測假設H1為 p小於p0時； 總之，P值越小，表明結果越顯著。但是檢驗的結果究竟是“顯著的”、“中度顯著的”還是“高度顯著的”需要我們自己根據P值的大小和實際問題來解決。用Z表示檢驗的統計量，ZC表示根據樣本資料計算得到的檢驗統計量值。 1、左側檢驗2、右側檢驗3、雙側檢驗p值是指在一個機率模型中，統計摘要（如兩組樣本均值差）與實際觀測資料相同，或甚至更大這一事件發生的機率。換言之，是檢驗假設零假設成立或表現更嚴重的可能性。p值若與選定顯著性水平（0.05或0.01）相比更小，則零假設會被否定而不可接受。然而這並不直接表明原假設正確。p值是一個服從正態分佈的隨機變數，在實際使用中因樣本等各種因素存在不確定性。產生的結果可能會帶來爭議。

一、P值計算方法 左側檢驗P值是當時，檢驗統計量小於或等於根據實際觀測樣本資料計算得到的檢驗統計量值的機率，即p值。 右側檢驗P值是當μ=μ0時，檢驗統計量大於或等於根據實際觀測樣本資料計算得到的檢驗統計量值的機率，即p值。 雙側檢驗P值是當μ=μ0時，檢驗統計量大於或等於根據實際觀測樣本資料計算得到的檢驗統計量值的機率，即p值。 二、P值的意義 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。

假設第一組野生型的患病率是p1,第二組是p2所以你的原假設就是p1=p2樞軸變數T = (實際比例1-實際比例2)/根號(方差1+方差2) ~ N(0,1) 標準正態分佈實際比例1=36/185 實際比例2=12/65方差1=實際比例1×（1-實際比例1）/n1=36/185×149/185×1/185=0.0008471方差2=實際比例2×（1-實際比例2）/n2=12/65×53/65×1/65=0.002316T=0.1774 查正態分佈表得到P值是：2×(1-0.5675)=0.8650 沒有差異,完全沒有差異為何×2？因為你的原假設是p1=p2 是雙側檢驗

P值的計算公式是 =2[1-Φ(z0)] 。

P值是用來判定假設檢驗結果的一個引數，也可以根據不同的分佈使用分佈的拒絕域進行比較。

P值就是當原假設為真時，比所得到的樣本觀察結果更極端的結果出現的機率。如果P值很小，說明原假設情況的發生的機率很小，而如果出現了，根據小機率原理，我們就有理由拒絕原假設，P值越小，我們拒絕原假設的理由越充分。總之，P值越小，表明結果越顯著。但是檢驗的結果究竟是“顯著的”、“中度顯著的”還是“高度顯著的”需要我們自己根據P值的大小和實際問題來解決。

P值即機率，反映某一事件發生的可能性大小。

不同的P數值所表達的含義也是不一樣的。

統計學根據顯著性檢驗方法所得到的P 值，一般以P < 0.05 為有統計學差異， P<0.01 為有顯著統計學差異，P<0.001為有極其顯著的統計學差異。

其含義是樣本間的差異由抽樣誤差所致的機率小於0.05 、0.01、0.001。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。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}。