P值是採用假設檢驗的方法來計算的。舉個例子來說明：比較兩個樣本的均數有沒有差別，採用反證法，首先建立假設檢驗，H0：假設兩組沒有差別，H1：假設兩組有差別。透過假設兩組沒有差別計算出其沒有差別的機率，一般取P＜0.05作為臨界值，若P＜0.05則代表隨機抽取的兩組均數沒有差別的機率小於0.05，為小機率事件，此時拒絕H0，接受H1。P＞0.05接受H0。

但是P值的大小隻能代表兩者是否具有統計學差異，不能代表差異的大小。詳細的計算方法要根據你採用的統計學方法具體計算，現在這步一般都採用統計軟體SPSS、SAS等來完成。

p>0.05則接受H0，p<0.05則拒絕H0，接受H1。在K-S檢驗裡，H0的假設是“符合正態分佈”，所以當p值>0.05時，表示結果無差異，接受H0。而一般比較資料組間差異的時候，H0假設是“組間無差異”，所以當p>0.05時，組間無差異，不是我們希望看到的；但是如果p<0.05，那麼就統計學差異了，就是我們想要的陽性結果。

P值（P value）就是當原假設為真時所得到的樣本觀察結果或更極端結果出現的機率。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，就有理由拒絕原假設，P值越小，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”需要根據P值的大小和實際問題來解決。 P-value就是對某個值x0 依照你所假設的分佈 X>=x0的機率 例如，假設服從二項分佈，患病率為1/3，則測得兩個患病的p-value就是兩個患病的機率+三個都患病的機率=C3,2 （1/3）^2*(2/3)+（1/3）^3