統計學上的P值的含義通俗

首先解釋下“有統計學意義”和“顯著差異” 兩個概念：
”有統計學意義"和"差異顯著"是兩個不同的概念，"差異顯著"易給人一種誤導,
原來兩概念在統計學中經常有點通用，現在明確地只能用“有統計學意義”。

P<0.05是指假設H0（即兩總體沒區別）成立的可能性概率在5%以下，
a就是允許犯Ⅰ類錯誤（拒絕了正確的無效假設H0）的概率，
一般在做假設檢驗之前先定好，
如果a=0.05，表示允許犯Ⅰ類錯誤的概率為0.05，所以當P<0.05時，
說明在a=0.05允許的范圍內，認為兩總體是有差異的，
即兩總體差異有統計學意義（指在a=0.05的統計學參數情況下）；
如果此時P=0.04，而先設定a=0.01，則認為兩總體差異無統計學意義
（指在a=0.01的統計學參數情況下），雖然兩總體沒變，兩總體差異也沒變；
所以 ”有統計學意義"并不等同于"差異顯著" ，舉個例子：兩組數：
A組：3, 3.05, 3.01, 3.04, 2.95;
B組：3.2, 3.1, 3.15, 3.14, 3.12;
兩組數差異（均數）并不大,但P<0.001,設定a=0.01或0.05,則認為兩總體差異統計學意義。這主要與兩組數的標準差有關。
如果寫成兩總體差異顯著，易認為兩組數（均數）差別大。

第一類錯誤與第二類錯誤 通俗解釋：

H0:一個真心愛你的男生
H1:一個不是真心愛你的男生
如果H0實際上成立，而你憑經驗拒絕了H0，也就是說，
你拒絕了一個你認為不愛你而實際上真心愛你的男生，那么你就犯了第Ⅰ類錯誤；
如果H0實際上不成立，而你接受了H0，同樣的道理，
你接受了一個你感覺愛你而實際上并不愛你的男生，那么你就犯了第Ⅱ類錯誤。
如果要同時減小犯第Ⅰ類錯誤和第Ⅱ類錯誤的概率，那就只能增加戀愛的次數n，
比如一個經歷過n=100次戀愛的女生，第101次戀愛犯第Ⅰ類錯誤和第Ⅱ類錯誤的概率就會小很多了。
統計學上把保守的、傳統的觀點作為原假設H0， 新穎的、感興趣的、想去論證的觀點作為備擇假設H1
統計學P值與顯著性水平之間的比較：
 就好比一個犯罪嫌疑人 在沒有確鑿的證據前都只能以他無罪為原假設
因為一個人無罪判他有罪 比 有罪判無罪 的后果嚴重的多 大家都不愿被冤枉
所以推廣開來 你想證明一班的成績比二班好 原假設就設為一班二班成績相同，
其中出現的個別成績有差異，是由于抽樣誤差所造成的，純在偶然性；
 備擇假設就設為一班比二班成績好，其中樣本中出現的一班二班成績差異不是偶然出現的，
具有高度統計學意義，
因此， 一般把顯著性水平設定為0.05，當P值小于0.05時， 我們認為因為偶然性而造成的成績差異的概率比較小，
因此拒絕原假設，就可以接受一班成績比二班好的事實；
若P值比0.05大就說明沒有足夠證據證明一班成績比二班好，原假設中因為抽樣誤差而造成的成績差異的可能性比較高，
 保守起見拒絕備擇假設 接受原假設。