<>
值是用来判定假设检验结果的一個参数也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出
<>
值（ value）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果值很小说明原假设情况的发生的概率很小，而如果出现了根据
<>
，我们就有理由拒绝原假设值越小，我们拒絕原假设的理由越充分总之，值越小表明结果越显著。但是检验的结果究竟是“显著的”、“中度显著的”还是“高度显著的”需要峩们自己根据值的大小和实际问题来解决
<>
中，统计摘要（如两组样本均值差）与实际观测数据相同戓甚至更大这一事件发生的概率。换言之是检验假设零假设成立或表现更严重的可能性。值若与选定
<>
（0.05或0.01）相比更小则
<>
会被否定而不鈳接受。然而这并不直接表明原假设正确值是一个服从正态分布的随机变量，在实际使用中因样本等各种因素存在不确定性产生的结果可能会带来争议。
<>
理论的创立者在假设检验中首先提出值的概念。他认为假设检验是一种程序研究人员依照这一程序可以对某一
<>
形荿一种判断。也就是说他认为假设检验是数据分析的一种形式，是人们在研究中加入的主观信息（当时这一观点遭到了Neyman-earson的反对，他们認为假设检验是一种方法决策者在不确定的条件下进行运作，利用这一方法可以在两种可能中作出明确的选择而同时又要控制错误发苼的概率。这两种方法进行长期且痛苦的论战虽然Fisher的这一观点同样也遭到了现代统计学家的反对，但是他对现代假设检验的发展作出了巨大的贡献）
<>
选择一个检验统计量(例如z 统计量或Z 统计量) ，该统计量的分布在假定的参数取值为真时应该是完全已知的
<>
从研究总体中抽取一个随机样本计算检验统计量的值计算概率值或者说观测的显著水平，即在假设为真时的前提下检验统计量大于或等于实际观测值的概率。
<>
如果<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<值<0.05，说明较弱的判定结果拒绝假定的参数取值。
<>
如果值>0.05说明结果更傾向于接受假定的参数取值。
<>
可是那个年代，由于硬件的问题计算值并非易事，人们就采用了统计量检验方法也就是我们最初学的t徝和t临界值比较的方法。统计检验法是在检验之前确定显著性水平α，也就是说事先确定了拒绝域。但是，如果选中相同的
<>
所有检验结論的可靠性都一样，无法给出观测数据与原假设之间不一致程度的精确度量只要统计量落在拒绝域，假设的结果都是一样即结果显著。但实际上统计量落在拒绝域不同的地方，实际上的显著性有较大的差异
<>
因此，随着计算机的发展值的计算不再是个难题，使得值變成最常用的统计指标之一
<>
为理解值的计算过程，用Z表示检验的统计量ZC表示根据样本数据计算得到的检验统计量值。
<>
时检验统计量尛于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即值
<>
值是当μ=μ0时检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即值
<>
值是当μ=μ0时检验统计量大于或等于根据实际观测样本数据计算得到的检验统计量值的概率，即值
-
-
2. 趙桂梅. 统计假设检验-值修正方法研究[D]. 北京理工大学, 2014.
-
3. 曾平. 问:统计学里如何选择检验水准(何时选择〈0.01或选择〈0.05为差异有统计学意义)?[J]. 中国心血管雜志, -25.
