p是检验统计量拒绝方向的概率。
举个最常见的例子
检验统计量是u=3，u=（x拔-miu）/（sigma/根号（n）），u是
正态分布，那么u=3，95%的
置信区间检验原假设，是接受呢还是拒绝？
通常我们会找到临界值u0=1.96,因为u=3>u0,所以拒绝原假设。
但是这样的比较会使得标准不统一.比如u统计量95％的临界值是1．96，t统计量就是2．3左右。故引入p。
根据p的定义，u=3，画出
正态曲线，位于＋1．96右方，拒绝方向是右方，求出＋3到＋
无穷大的密度函数的积分，那个面积大小就是p值。
所以u=3>1.96等价于p＜0.05，依据正态分布＋3到无穷大的积分面积小于＋1．96到无穷大的面积（0．05）。
其他检验统计量只是分布不同，p的临界值可以是0.05,0.1,0.01等，将所有检验统计量的临界值统一。p<0.05，拒绝原假设。
p值在统计学中占了重要地位，大多检验都是这样比较的。所以统计学当中有句话很经典：“统计学学什么，学来学去学个p”