P值介绍

P值是统计学中常用的一个概念，用来表示在一个特定假设下，所得到的样本比真实值更极端的概率。P值等于“得到比观察到的更极端样本”的概率。P值越小，代表数据与假设的偏离程度越大，即表明观察到的差异越显著。

P值通常用在假设检验中，用于确定观察结果是否是偶然产生的。在进行假设检验时，先设立一个零假设（null hypothesis），并根据样本数据计算出对应的P值，如果P值小于一定的显著性水平（一般设为0.05），则认为零假设应该被拒绝，否则无法拒绝。

P值的大小受多种因素影响，如样本量、样本的变异性等，因此对于不同的问题，选用适当的假设检验方法也非常重要。

P值的常见误解

1. P值不是概率
2. 小于0.05并不意味着结果非常显著
3. P值不代表实际效应的大小

总结

P值是统计学中一个非常重要的概念，用于判断实验结果与假设的一致性。但需要注意，在使用P值时，应该结合实际情况，选择合适的显著性水平和假设检验方法。此外，需要避免P值的常见误解，以免对实验结论产生误导。

# 计算P值示例
import numpy as np
from scipy.stats import ttest_ind

a = np.random.randn(10)
b = np.random.randn(10) + 1

t_stat, p_val = ttest_ind(a, b)
print('t_stat:',t_stat)
print('p_val:',p_val)