p-value 是什么意思

p-value 是统计学中常用的一个指标，用于判断统计假设的显著性。

在统计假设检验中，我们通常会假设一个零假设（null hypothesis）和一个备择假设（alternative hypothesis）。p-value 是在零假设成立的情况下，观察到样本数据或更极端情况出现的概率。

通常，我们会将观察到的样本数据与一个分布进行比较，计算出一个统计量，然后根据该统计量的分布计算出一个对应的 p-value。如果 p-value 很小（通常小于 0.05），则我们有足够的证据来拒绝零假设，接受备择假设。反之，如果 p-value 较大，则我们无法拒绝零假设。

下面是一个使用 Python 进行 t-检验并计算 p-value 的示例代码：

import scipy.stats as stats

# 假设有两个样本数据
data1 = [1, 2, 3, 4, 5]
data2 = [2, 4, 6, 8, 10]

# 进行 t-检验
t_statistic, p_value = stats.ttest_ind(data1, data2)

print("t-statistic:", t_statistic)
print("p-value:", p_value)

在上述代码中，我们使用了 scipy.stats 模块中的 ttest_ind 函数进行 t-检验。该函数接收两个样本数据作为输入，并返回 t-统计量和对应的 p-value。最后，我们将 t-统计量和 p-value 输出到控制台。

请注意，上述示例是一个简单的 t-检验示例，实际应用中可能需要根据具体问题选择不同的假设检验方法和函数。