导读：即使是没有任何统计学基础的读者朋友可能也听说过「p 值」，但是鲜有文章能够清楚解释 p 值是什么，以及 p 值在统计学中的作用。本文是 TowardDataScience 的一篇博文，作者条理清楚地解释了 p 值的相关内容，并给出了一个简单的例子，适合读者参考。
参与：李诗萌、一鸣
假设检验；
正态分布；
什么是 p 值；
统计显著性。
假设检验 正态分布 p 值
零假设——平均配送时间小于等于 30 分钟； 备择假设——平均配送时间大于 30 分钟。
68% 的数据在平均值（μ）±1 个标准差（σ）内； 95% 的数据在平均值（μ）±2 个标准差（σ）内； 99.7% 的数据在平均值（μ）±3 个标准差（σ）内。
p 值不能证明任何事。这只是一种根据惊讶程度做出合理决策的基础方法。 ——Cassie Kozyrkov
想象我们生活在平均配送时间小于等于 30 分钟的世界——因为我们信任披萨店（我们最初的信念）！ 分析收集的配送时间样本后，p 值为 0.03，低于 0.05 的置信水平（假设在实验之前就设置好了），因此可以说结果是具有「统计显著性」的。 因为我们一直相信披萨店可以在 30 分钟内配送披萨，现在需要考虑的是这一信念是否仍然有意义，因为结果告诉我们，披萨店没能兑现承诺，而且结果是具有统计学意义的。 那该怎么办？我们先试着用各种方法使初始信念（零假设）成立。但是因为披萨店的口碑越来越差，并且经常找导致配送延迟的借口，我们自己都觉得再相信披萨店是很可笑的事情，因此，我们决定拒绝零假设。 最终，我们做出了不再从这家披萨店买披萨的合理决定。
陈述零假设； 陈述备择假设； 确定 alpha 值； 找到和 alpha 水平相关的 Z 分数； 根据公式计算检验统计量； 如果检验统计量的值比 alpha 水平的 Z 分数小（或 p 值小于 alpha 值），拒绝零假设。否则，接受零假设。
