p值檢驗法的判斷方法

一、P的意義不表示兩組差別的大小，P反映兩組差別有無統計學意義，並不表示差別大小。因此，與對照組相比，C藥取得P<0.05，D藥取得P <0.01並不表示D的藥效比C強。

二、P>0.05時，差異無顯著意義，根據統計學原理可知，不能否認無效假設，但並不認為無效假設肯定成立。在藥效統計分析中，更不表示兩藥等效。那種將“兩組差別無顯著意義”與“兩組基本等效”相同的做法是缺乏統計學依據的。

三、統計學主要用上述三種P值表示，也可以計算出確切的P值，有人用P <0.001，無此必要。

四、顯著性檢驗只是統計結論。判斷差別還要根據專業知識。抽樣所得的樣本，其統計量會與總體引數有所不同，這可能是由於兩種原因。

P值的計算：

一般地，用X 表示檢驗的統計量，當H0為真時，可由樣本資料計算出該統計量的值C，根據檢驗統計量X的具體分佈，可求出P值。具體地說：

左側檢驗的P值為檢驗統計量X 小於樣本統計值C 的概率，即：P = P{ X < C}

右側檢驗的P值為檢驗統計量X 大於樣本統計值C 的概率：P = P{ X > C}

雙側檢驗的P值為檢驗統計量X 落在樣本統計值C 為端點的尾部區域內的概率的2 倍：P = 2P{ X > C} (當C位於分佈曲線的右端時) 或P = 2P{ X< C} (當C 位於分佈曲線的左端時) 。若X 服從常態分佈和t分佈，其分佈曲線是關於縱軸對稱的，故其P 值可表示為P = P{| X| > C} 。

計算出P值後，將給定的顯著性水平α與P 值比較，就可作出檢驗的結論：

如果α > P值，則在顯著性水平α下拒絕原假設。

如果α ≤ P值，則在顯著性水平α下不拒絕原假設。

在實踐中，當α = P值時，也即統計量的值C剛好等於臨界值，為慎重起見，可增加樣本容量，重新進行抽樣檢驗。

1，假設檢驗

 統計推斷就是由樣本來推斷總體，它包括兩個基本問題：統計估計和假設檢驗。這裡主要討論假設檢驗的問題。有關總體分佈的未知引數或位置分佈形式的種種論斷叫做統計假設。人們要根據樣本所提供的資訊來對所考慮的假設做出接受或者拒絕的決策，假設檢驗就是做出這一決策的過程。

真實情況接受H0拒絕H0H0為真正確犯第一類錯誤H0不真犯第二類錯誤正確

 第一類錯誤是：假設H0為真是，犯拒絕H0_的錯誤，這類“棄真”錯誤稱為第一類錯誤

 第二類錯誤是：假設H0實際上不真時，有可能接受H0，這類“取偽”的錯誤稱為第二類錯誤

 當樣本容量n固定時，減小犯第一類錯誤的概率，就會增大犯第二類錯誤的概率，反之亦然。我們的做法是控制犯第一類錯誤的概率。使P{當H0為真時拒絕H0}≤α

 其中0≤α≤1是給定的小的數，α稱為檢驗的顯著性水平，這種只對犯第一類錯誤的概率加以控制而不考慮第二類錯誤的概率的檢驗我們稱之為顯著性檢驗。

 在進行顯著性檢驗時，犯第一類錯誤的概率是由我們控制的，α很小，意味著P{當H0為真時拒絕H0}很小，這就保證了H0為真時，錯誤拒絕H0的可能性很小。這意味著H0是受保護的，也表明H0和H1的地位是不對等的。一般選擇兩類錯誤中，後果最嚴重的錯誤成為第一類錯誤。如果沒有一類錯誤的後果嚴重更需要避免是，常取H0為維持現狀。