P 值是最常用的一个统计学指标幾乎统计软件输出结果都有P值。
   统计学的观点超过一定基准（比如 5%，其实是低于5%）就不能简单地认为这是偶然事件了，而是受到了外茬的影响

一般而言，为了确定从样本（sample）统计结果推论至总体时所犯错的概率我们会利用统计学家所开发的一些统计方法，进行统计檢验

通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布(probability distribution)进行比较我们可以知道在多少百分比的机会下会得到目湔的结果。倘若经比较后发现出现这结果的机率很少，亦即是说是在机会很少、很罕有的情况下才出现；那我们便可以有信心的说，這不是巧合是具有统计学上的意义的（用统计学的话讲，就是能够拒绝虚无假设null hypothesis,Ho）相反，若比较后发现出现的机率很高，并不罕见；那我们便不能很有信心的直指这不是巧合也许是巧合，也许不是但我们没能确定。

• 如果 P<0.01说明是较强的判定结果，拒绝假定的参数取值
• 如果 0.01<P值<0.05，说明较弱的判定结果拒接假定的参数取值。
• 如果 P值>0.05说明结果更倾向于接受假定的参数取值。

比如一枚均质硬币抛 10 次：

P 值是最常用的一个统计学指标幾乎统计软件输出结果都有P值。
   统计学的观点超过一定基准（比如 5%，其实是低于5%）就不能简单地认为这是偶然事件了，而是受到了外茬的影响

一般而言，为了确定从样本（sample）统计结果推论至总体时所犯错的概率我们会利用统计学家所开发的一些统计方法，进行统计檢验

通过把所得到的统计检定值，与统计学家建立了一些随机变量的概率分布(probability distribution)进行比较我们可以知道在多少百分比的机会下会得到目湔的结果。倘若经比较后发现出现这结果的机率很少，亦即是说是在机会很少、很罕有的情况下才出现；那我们便可以有信心的说，這不是巧合是具有统计学上的意义的（用统计学的话讲，就是能够拒绝虚无假设null hypothesis,Ho）相反，若比较后发现出现的机率很高，并不罕见；那我们便不能很有信心的直指这不是巧合也许是巧合，也许不是但我们没能确定。

• 如果 P<0.01说明是较强的判定结果，拒绝假定的参数取值
• 如果 0.01<P值<0.05，说明较弱的判定结果拒接假定的参数取值。
• 如果 P值>0.05说明结果更倾向于接受假定的参数取值。

比如一枚均质硬币抛 10 次：