一、p值含義理解
P值的含義：原假設為真時，出現偏離原假設值的觀測值以及比觀測值更極端的值的概率,說白了P值是個概率值。
通俗理解：在假設原假設（H0）正確時，出現現狀或比現狀更差的情況的概率。
p值是Fisher先提出來的“顯著性檢驗”理論體系中的概念，假設檢驗之所以可行，
其理論背景是小概率理論，小概率事件在一次試驗中幾乎是不可能發生的，但是它一旦發生，我們就有理由拒絕原假設；反之，小概率時間沒有發生，則認為原假設是合理的。通常步驟如下：
1. 有一個命題，稱之為”零假設“（null hypothesis）H0；
2. 找到一個統計量Z，可以計算Z的統計分布；
3. 一次試驗結果可以計算得到一個確切的Z值（Z0），在H0成立的情況下，出現比Z0更極端情況的概率值記作p值；
4. 如果p很小，則可以作為”零假設並不成立“的有力證據。
顯著性水平是原假設為真時拒絕原假設的概率，也即上述所說的小概率的界限，常取值0.05，001.在顯著性水平α下，P值規則為：P≤α，則拒絕H0;如果P>α，則不拒絕原假設。
我們通常把1-α稱為置信水平，即對推斷結果的把握度、可靠性。
二、舉例解釋
假設檢驗一枚硬幣是否是公正的，即出現正負面的概率是一樣的。
假設：硬幣是公平的
檢驗：扔1000次硬幣來測試假設是否正確。
扔1000次硬幣用二項分布來計算很麻煩，根據中心極限定理，我們知道，可以用正態分布來近似，比如，我扔了1000次，得到了530次正面，用正態分布來計算就比較簡單。
對於正態分布，沒辦法計算某個點的概率(連續分布單點概率=0)，只能取區間來獲得概率，
那這個時候取哪個區間合適呢？這就用到了上面定義的那句話了“出現現狀或比現狀更差的情況的概率”，如下:
如果顯著水平為0.05，這個時候p-value=0.03<0.05,則拒絕原假設。
三、線性回歸中的P值如何理解
線性回歸中的原假設：兩個變量之間的線性關系是不顯著的。
當給定顯著水平α時，如果檢驗結果的p值小於α，則拒絕原假設，說明模型反映的線性關系顯著，即該變量很有用；反之不拒絕原假設，即該變量與目標變量確實沒有多少線性關系，可以剔除該變量。