P值在假设检验中的解读——统计结论的解释
=================================
什么是P值？
P值是表示原假设为真的概率的统计量。因此，P值是我们有意引入输入（X）变化时，输出（Y）不会改变的概率。
示例： 如果我们有一个原假设，即纽约工厂与加利福尼亚州萨克拉门托工厂的工人效率没有显著差异，那么P值会为这个陈述附加一个概率。
如果我们说为了检验以下假设，我们将P值设定为0.05。这意味着我们正在说95次中有95次，效率不会不同。因此，我们承认有5%的情况它们可能会不同。在这种情况下，只有当我们证明效率差异出现了大约7%的情况时，才会拒绝原假设。
选择相关的P值
P值是假设问题的重要组成部分。稍微改变P值可能会改变哪个假设被选择或被拒绝。因此，在选择P值之前必须仔细决定。选择错误的P值会导致不同的错误。这些错误已在后面描述。管理层必须在选择P值之前决定他们可以承受哪种错误。
P值和置信区间的联系
P值和置信区间是相互关联的。实际上，如果你知道其中一个的值，你可以自动推导出另一个的值。使用的公式是：P值 = 1 - 置信区间。因此，对于一个P值为0.05，置信区间是0.95或95%。
结论不意味着什么？
统计结论不能被直接理解。在做出基于这些结论的任何决策之前，需要仔细理解如何解读它们。例如，我们刚才说原假设在95%的时间内成立。这是否意味着如果我们立即进行100次实验，原假设将在95次或更多次中成立？其实并不一定。
虽然这是理想情况下的期望结果，但统计学整个学科的基础是大数定律。这意味着只有当进行了成千上万次试验后，才能验证这些结论的有效性。当数字足够大时，95%才成立！