郑冰刚提到P值，说P值的定义（着重号是笔者加的，英文是从WikiPedia摘来的）：
P值就是当原假设为真时，比所得到的样本观察结果更极端的结果出现的概率。
以下延续白话系列，解释一下，“什么是P值，什么是极端”，算是郑文的一个长长的注脚。
回到上次的硬币试验，那是一次二项试验，每次试验投100次，记下出现正面的次数,比如，如果
每次出现的正面数都是50，你就有把握认为这是一枚均匀的硬币；
正面数等于45或者等于55，你就有一点点的怀疑它是均匀的；
正面数等于30或者等于70，比较怀疑；
正面数等于10或者等于90，非常怀疑。
如上，正面数和反面数的差异越大，你就越有把握认为硬币不是均匀的（拒绝原假设）。重复一下P值的定义，“P值就是当原假设为真时，比所得到的样本观察结果更极端的结果出现的概率”，把这个定义套入上述硬币试验的场景中，比如你观察到“正面数是10或者90，正反面次数差异是80”：
如果原假设为真（硬币是均匀的），P值就是你投100次，所得的正反面数差异大于80的概率。
如果这个P值很大，表明，每次投100次均匀的硬币，经常有正反面差异大于80的情形出现。如果这个P值很小，表明，每次投100次均匀的硬币，你很难看到正反面的差异会超过80。
以前说过，10-90是A博士的接受区域。如果一枚硬币投出的正反面次数，差异大于80，——这真是一个“极端”的情形，连保守的A博士看了都摇摇头，不能接受原假设，只好认为原假设不对，硬币是有偏的。这里的逻辑是：
在假定原假设为真的情况下，出现所看到的偏差（正反面差异为80），是这么地不可能（P值很小），以至于我们不再继续相信原假设。
参考资料:
1. 维恩堡《数理统计初级教程》（常学将等译，太原：山西人民出版社，1986，Statistics: An Intuitive Approach By George H. Weinberg and John Abraham Schumaker）
2. Statistics I: Course Notes, 2008 SAS Institute Inc. Cary, NC, USA
抛硬币是江堂兄的万能试验啊，呵呵
在假定原假设为真的情况下，出现所看到的偏差（正反面差异为80），是这么地不可能（P值很小），以至于我们不再继续相信原假设。
……是这么地可能（P值很大），以至于我们不再继续相信原假设……
不，出现了我们认为不大可能的事件我们才不相信原假设，如果可能的话那我们就没有理由拒绝原假设了
hou ta yi sanzi
谁来给我解释一下P值，检验水准和一类错误概率的问题. 比如，检验水准为0.05，现在p值为0.02，那么应该拒绝零假设，那么问题来了：犯一类错误的概率为多大（究竟该是0.05还是0.02），若按统计教材上解释两类错误那里说的，应该是0.05，但是按假设检验原理：出现不利于零假设的统计量的概率是0.02，也就是说我们的结论犯错误的概率是0.02（一类错误？）。
这个问题到底怎么解释，麻烦各位告诉我一下啊，反正我是混乱了。
哪本教材说是0.05的？写错了吧……
方积乾《卫生统计学》第五版，倪宗瓒《医学统计学》
都是说的犯一类错误的概率为0.05（理由是：如果零假设成立，那么按照同样的方法在零假设规定的总体中重复抽样，那么每100此检验结论中平均有5次拒绝零假设，即犯一类错误），而刘定远《医药数理统计方法》中又说，犯第一类错误的概率不超过检验水准0.05，但是根据假设检验原理，我觉得犯一类错误的的概率好像应该就是P值吧。好困惑啊！！！
第一类错误概率就是P值，这有什么怀疑的……那么，胡江堂的上一篇文章《决策与风险》中的下面一段是不是也意味着一类错误的概率应该是检验水准α呢：
上面的对话应该让大伙体会到了一些假设检验的意思。可以总结一下，对照下面的表格，思路会清晰一些：
判定 \ 假设 真 假
拒绝 第I类错误α 没有错误1-β
接受 没有错误 第II类错误β
我终于理解了！finally！
P value就是，当你设定原假设是真的，然后你计算出的p value却是如此之小，以至于你手边观察到的数据在p value下只可能是极小概率事件，但是它竟然就这么发生了！不可能的事情就这么活生生地发生了！你说，你还能相信你原来假定的那个原假设么？不能，因此拒绝。
感谢江堂兄啊，总算。
哈哈，就是这个意思。
比如说P=0.05,意思就是说1000次试验只有5次会不符你手边观察到的数据，
所以可以知道现在的情况是多么不常见（即小概率事件竟然发生了），
所以应该拒绝原假设。
见
《统计学基本概念和方法》p.183
高等教育出版社 吴喜之 程博译
Pingback: 胡江堂: 假设检验初步 | 统计之都 (中国统计学门户网站，免费统计学服务平台)
其实我觉得一直用抛硬币实验并不见得是一个好主意。根本地理解p-value好要从构建test statistic开始说起，这不可避免地牵涉到pivotal quantity…
我觉得一直 强调 “正反面次数差异是80″ 容易让初学的人对p值概念产生误解, 我觉得更好的是改成， “可以将”p值较大”理解成– 有更多比 观察结果 更极端的值， 也就表明 观察结果更靠近于 真平均值” 只是个人见解,希望有用