什么是P值？
在统计学中，p值是假设零假设正确的情况下获得测试观察结果的概率。 它是统计假设检验中的边缘显着性水平，代表给定事件发生的概率。 p值用作拒绝点的替代方法，以提供将拒绝原假设的最小有效水平。 较小的p值意味着有更多的证据支持替代假设。
P值如何计算？
使用p值表或电子表格/统计软件计算p值。 由于不同的研究人员在研究问题时会使用不同级别的重要性，因此读者有时可能难以比较两种不同测试的结果。
例如，如果使用两个不同的显着性水平对两项特定资产的收益进行了两项研究，那么读者将无法轻松比较这两种资产的收益概率。
为了便于比较，研究人员通常在假设检验中采用p值，并允许读者自己解释统计学意义。 这称为假设检验的p值方法。
假设检验的P值方法
假设检验的p值方法使用计算出的概率来确定是否有证据拒绝原假设。 零假设（也称为猜想）是有关统计总体的最初主张。
备选假设指出总体参数是否与猜想中所述的总体参数值不同。 在实践中，预先说明p值或临界值，以确定所需的值如何拒绝原假设。
类型I错误
I型错误是对原假设的错误拒绝。 当I型错误为真时发生或拒绝原假设的I型错误的概率等于所使用的临界值。 相反，当接受零假设时，接受零假设的概率等于1减去临界值。
P值的真实示例
假设投资者声称其投资组合的表现与标准普尔（S&P）500指数的表现相同。 为了确定这一点，投资者进行了两尾检验。 零假设假设投资组合的回报等于指定时期内标准普尔500的回报，而替代假设指出投资组合的回报与S&P 500的回报不相等。 如果投资者进行了单尾检验，则替代假设将表明投资组合的回报小于或大于标准普尔500指数的回报。
一种常用的p值为0.05。 如果投资者得出p值小于0.05的结论，则有很强的证据反对原假设。 结果，投资者将拒绝原假设并接受替代假设。
相反，如果p值大于0.05，则表明没有足够的证据反对该猜想，因此投资者将无法拒绝原假设。 如果投资者发现p值为0.001，则有充分的证据反对原假设，并且投资组合的回报率与标准普尔500指数的回报率可能不相等。
