在数理统计中，检验的 p 值（p-value）是给定样本后对假设检验问题的拒绝与接受原假设的分界点。
概念[]
在一个假设检验问题中，利用观测的样本能够做出拒绝原假设的最小的显著性水平称为该检验的 p 值。
假设检验的结论一般是简单的：拒绝或接受原假设，也就是说一个检验问题一般我们总是要做出一个决策，这样免不了会产生各种风险（见功效函数）。如果我们把这个决策弱化，即真正的仅在做数学上的工作，而将决策的权力留给决策者，这就是 p 值概念的背景。观测样本得出的 p 值越接近并小于显著性水平，犯错误的概率越大，决策越不容易。
一些统计如案卷中对常见的检验问题（U 检验、t 检验、Χ² 检验和 F 检验）均可给出对应的 p 值。
参数假设检验[]
在参数假设检验问题 中，由样本算出的检验统计量的值为，如果拒绝域
- ，那么 p 值为
- ，那么 p 值为
- ，那么 p 值为
参考资料
- 韦来生, 《数理统计（第二版）》, 科学出版社, 北京, 2015-12, ISBN
978-7-0304-6573-3.
| 假设检验（学科代码：1106715，GB/T 13745—2009） | |
|---|---|
| 基本概念 | 假设检验 ▪ 检验函数 ▪ 功效函数 ▪ p 值 |
| 参数假设检验 | U 检验 ▪ t 检验 ▪ χ² 检验 ▪ F 检验 ▪ Behrens-Fisher 问题 ▪ 似然比检验 ▪ 一致最优检验 ▪ 无偏检验 |
| 非参数 假设检验 |
χ² 拟合优度检验 ▪ Kolmogorov-Smirnov 检验 ▪ 列联表独立性检验 ▪ 符号检验和符号秩和检验 |
| 所在位置：数学（110）→ 数理统计学（11067）→ 假设检验（1106715） | |