概念进阶抽样估计与假设检验
p值
也叫：p-value
拒绝原假设所需要的最小显著性水平。
核心讲解
p值指拒绝原假设的最小显著性水平。给定显著性水平α，判断规则很简单：如果p<α，则拒绝原假设；如果p>α，则无法拒绝原假设。
它比比较检验统计量与关键值更直观：p值越小，说明样本证据越不利于原假设。因为p值本身就是“正好卡在临界点上所需的那个显著性水平”。
原书的例子是：进行5%的双尾检验，已知p值等于2.14%，因为2.14%小于5%，所以应拒绝原假设。这个判断不需要再单独去查关键值。
在实际操作中，统计软件会直接算出p值。用p值的好处是无需自己计算并比对关键值，还能一眼看出在不同的显著性水平下是否应当拒绝，因而被广泛使用。
费曼版：用大白话再讲一遍
考试后老师给你一个“最低录取线”：只要你的分数超过它就录取。p值就像是这条线被人倒过来看——你考得越高，这条线就越低。p值越小，说明你的证据越有说服力，越容易拒绝原来的说法。
要点
- p值是拒绝原假设的最小显著性水平。
- 判断规则：p<α拒绝，p>α无法拒绝。
- p值越小，样本证据越不利于原假设。
- 软件直接给出p值，使用时无需再查关键值。
常见误区
- 以为p值越小原假设越可能为真，其实恰好相反。
- 把p值当成原假设为真的概率。
- 忽略比较对象是显著性水平α，而不是检验统计量。