統計學中，P值是用來判定假設檢驗結果的壹個參數。
如果P值很小，說明原假設情況的發生的概率很小，且P值越小，表明結果越顯著。
為理解P值的計算過程，用Z表示檢驗的統計量，ZC表示根據樣本數據計算得到的檢驗統計量值。
左側檢驗 H0:μ≥μ0 vs H1:μ<μ0
P值是當μ=μ0時，檢驗統計量小於或等於根據實際觀測樣本數據計算得到的檢驗統計量值的概率，即p值 = P(ZC≤Z|μ=μ0)
右側檢驗 H0:μ≤μ0 vs H1:μ>μ0
P值是當μ=μ0時，檢驗統計量大於或等於根據實際觀測樣本數據計算得到的檢驗統計量值的概率，即p值 = P(ZC≥Z|μ=μ0)
雙側檢驗 H0:μ=μ0 vs H1:μ≠μ0
P值是當μ=μ0時，檢驗統計量大於或等於根據實際觀測樣本數據計算得到的檢驗統計量值的概率，即p值 = 2P(ZC≥|Z||μ=μ0)
擴展資料：
t檢驗主要用於樣本含量較小（例如n < 30），總體標準差σ未知的正態分布。T檢驗是用t分布理論來推論差異發生的概率，從而比較兩個平均數的差異是否顯著。它與f檢驗、卡方檢驗並列。
單總體t檢驗是檢驗壹個樣本平均數與壹個已知的總體平均數的差異是否顯著。當總體分布是正態分布，如總體標準差未知且樣本容量小於30，那麽樣本平均數與總體平均數的離差統計量呈t分布。
雙總體t檢驗又分為兩種情況，壹是獨立樣本t檢驗（各實驗處理組之間毫無相關存在，即為獨立樣本），該檢驗用於檢驗兩組非相關樣本被試所獲得的數據的差異性；壹是配對樣本t檢驗，用於檢驗匹配而成的兩組被試獲得的數據或同組被試在不同條件下所獲得的數據的差異性，這兩種情況組成的樣本即為相關樣本。
百度百科--t檢驗