哈哈，樓主此次的標(biāo)題起得有點(diǎn)粗俗，這個(gè)P當(dāng)然不是屁，而是指軟件中那個(gè)常常出現(xiàn)的P值。不管有沒有學(xué)過統(tǒng)計(jì)，相信很多同學(xué)（包括樓主）在剛開始接觸P值時(shí)，對(duì)它的理解多少有點(diǎn)云里霧里的，以至于在做模型檢驗(yàn)的時(shí)候往往只關(guān)注P值是否小于α，到底拒不拒絕原假設(shè)這個(gè)問題。但細(xì)細(xì)想來，卻真沒對(duì)它有過深入了解（當(dāng)然現(xiàn)在也不怎么深入……）所以，借著做這個(gè)系列的空，又把書翻出來看看，去網(wǎng)上找了一些資料，大致理了下思路，算是普及一下概念，希望大牛能夠及時(shí)點(diǎn)評(píng)，加以指導(dǎo)，樓主萬分感謝！

Q:簡單點(diǎn)說什么是P值？
A:P值就是當(dāng)原假設(shè)為真時(shí)，比所得到的樣本觀察結(jié)果更極端的結(jié)果出現(xiàn)的概率。如果P值很小，說明原假設(shè)情況的發(fā)生的概率很小，而如果出現(xiàn)了，根據(jù)小概率原理，我們就有理由拒絕原假設(shè)，P值越小，我們拒絕原假設(shè)的理由越充分?？傊?，P值越小，表明結(jié)果越顯著。但是檢驗(yàn)的結(jié)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(jù)P值的大小和實(shí)際問題來解決。

舉個(gè)例子：比如，在100次硬幣投擲實(shí)驗(yàn)中，觀察到出現(xiàn)90次正面，10次反面（Q）。怎么樣的事件才是“極端的”？簡單地說，一個(gè)事件很極端，那么少比它本身“更極端”的事件就非常少（比如，只有“91次正面，9次反面”、“91次反面，9次正面”等情況才比它更極端）。

但這個(gè)Q只是從一次實(shí)驗(yàn)中得出的。我們可以重復(fù)做這個(gè)實(shí)驗(yàn)，比如100次，每次都投擲100次，記錄下的正面數(shù)X，它構(gòu)成一個(gè)二項(xiàng)分布，X~B(n,p)，其中，n=100，p=0.5。根據(jù)某個(gè)中心極限定理，正態(tài)分布是二項(xiàng)分布的極限分布，上面的二項(xiàng)分布可以由均值為np=50，方差為np(1-p)=25的正態(tài)分布來近似。我們在這個(gè)近似的正態(tài)分布的兩端來考察所謂“更極端”的事件，那就是正面數(shù)大于90或者小于10。

重復(fù)一遍，“P值就是當(dāng)原假設(shè)為真時(shí)，比所得到的樣本觀察結(jié)果更極端的結(jié)果出現(xiàn)的概率”。如果P值很小，就表明，在原假設(shè)為真的情況下出現(xiàn)的那個(gè)分布里面，只有很小的部分，比出現(xiàn)的這個(gè)事件（比如，Q）更為極端。沒多少事件比Q更極端，那就很有把握說原假設(shè)不對(duì)了。

在上述近似的正態(tài)分布中，P值就等于X>90 或 X<10的概率值（記做，P{X>90 or X<10}）。根據(jù)對(duì)稱性，這個(gè)概率值等于2*P{X<10}=1.2442E-15。

上面我們的確求出了一個(gè)非常小的P值，但如何不含糊地確定它就是很“極端”呢？ 事先確定的顯著性水平α，本身就是一個(gè)判定法則。只要P值小于顯著性水平α，我們就認(rèn)為，在認(rèn)為原假設(shè)為真的情況下出現(xiàn)的事件Q，是如此地極端，以至于我們不再相信原假設(shè)本身。一句話，我們的判定法則是：P值小于顯著性水平α，拒絕原假設(shè)。
具體說來：
      P值                碰巧出現(xiàn)的概率                  對(duì)原假設(shè)               統(tǒng)計(jì)意義
   P＞0.05    碰巧出現(xiàn)的可能性大于5%   不能否定原假設(shè)   兩組差別無顯著意義
   P＜0.05    碰巧出現(xiàn)的可能性小于5%   可以否定原假設(shè)   兩組差別有顯著意義
   P ＜0.01   碰巧出現(xiàn)的可能性小于1%   可以否定原假設(shè)   兩者差別有非常顯著意義

理解P值，下述幾點(diǎn)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(tǒng)計(jì)學(xué)意義，并不表示差別大小。比如拿藥效做例子，與對(duì)照組相比，C藥取得P＜0.05，D藥取得P ＜0.01并不表示D的藥效比C強(qiáng)。
    ⑵若取α=0.05，當(dāng)P＞0.05時(shí)，差異無顯著意義，根據(jù)統(tǒng)計(jì)學(xué)原理可知，不能拒絕原假設(shè)，但并不認(rèn)為原假設(shè)肯定成立（一般也可以說是不拒絕原假設(shè)，切記，不拒絕≠接受）；當(dāng)P＜0.05時(shí)，有顯著差異，拒絕原假設(shè)。
    ⑶顯著性檢驗(yàn)只是統(tǒng)計(jì)結(jié)論。判斷差別還要根據(jù)專業(yè)知識(shí)。樣所得的樣本，其統(tǒng)計(jì)量會(huì)與總體參數(shù)有所不同，這可能是由于兩種原因。

Q：如何計(jì)算P值？
A：若非考試，一般統(tǒng)計(jì)軟件都會(huì)自帶P值；若要手工算，那么——
用Z表示檢驗(yàn)的統(tǒng)計(jì)量，ZC表示根據(jù)樣本數(shù)據(jù)計(jì)算得到的檢驗(yàn)統(tǒng)計(jì)量值。
左側(cè)檢驗(yàn) H0:μ≥μ0 vs H1:μ<μ0
P值是當(dāng)μ=μ0時(shí)，檢驗(yàn)統(tǒng)計(jì)量小于或等于根據(jù)實(shí)際觀測樣本數(shù)據(jù)計(jì)算得到的檢驗(yàn)統(tǒng)計(jì)量值的概率，即p值 = P(Z≤ZC|μ=μ0)
右側(cè)檢驗(yàn) H0:μ≤μ0 vs H1:μ>μ0
P值是當(dāng)μ=μ0時(shí)，檢驗(yàn)統(tǒng)計(jì)量大于或等于根據(jù)實(shí)際觀測樣本數(shù)據(jù)計(jì)算得到的檢驗(yàn)統(tǒng)計(jì)量值的概率，即p值 = P(Z≥ZC|μ=μ0)
雙側(cè)檢驗(yàn) H0:μ=μ0 vs H1:μ≠μ0
P值是當(dāng)μ=μ0時(shí)，檢驗(yàn)統(tǒng)計(jì)量大于或等于根據(jù)實(shí)際觀測樣本數(shù)據(jù)計(jì)算得到的檢驗(yàn)統(tǒng)計(jì)量值的概率，即p值 = 2P(Z≥|ZC||μ=μ0)

Q：所有的檢驗(yàn)統(tǒng)計(jì)都是正態(tài)分布的嗎？
A：并不完全如此，但大多數(shù)檢驗(yàn)都直接或間接與之有關(guān)，可以從正態(tài)分布中推導(dǎo)出來，如t檢驗(yàn)、F檢驗(yàn)或卡方檢驗(yàn)。這些檢驗(yàn)一般都要求：所分析變量在總體中呈正態(tài)分布，即滿足所謂的正態(tài)假設(shè)。許多觀察變量的確是呈正態(tài)分布的，這也是正態(tài)分布是現(xiàn)實(shí)世界的基本特征的原因。當(dāng)人們用在正態(tài)分布基礎(chǔ)上建立的檢驗(yàn)分析非正態(tài)分布變量的數(shù)據(jù)時(shí)問題就產(chǎn)生了，（參閱非參數(shù)和方差分析的正態(tài)性檢驗(yàn)）。這種條件下有兩種方法：一是用替代的非參數(shù)檢驗(yàn)（即無分布性檢驗(yàn)），但這種方法不方便，因?yàn)閺乃峁┑慕Y(jié)論形式看，這種方法統(tǒng)計(jì)效率低下、不靈活。另一種方法是：當(dāng)確定樣本量足夠大的情況下，通常還是可以使用基于正態(tài)分布前提下的檢驗(yàn)。后一種方法是基于一個(gè)相當(dāng)重要的原則產(chǎn)生的，該原則對(duì)正態(tài)方程基礎(chǔ)上的總體檢驗(yàn)有極其重要的作用。即，隨著樣本量的增加，樣本分布形狀趨于正態(tài)，即使所研究的變量分布并不呈正態(tài)。