前言：
以抛硬币来说明，若抛一次硬币，那么将会有50%的概率是正面，50%的概率是反面。
假设我们有一枚硬币，抛第一次将会有50%的概率是正面，50%的概率是反面；抛第二次也是一样的，两次相互独立互不干扰：
image.png
p值概念：
我们想求抛两次硬币，得到一正一反的概率，显然是0.5；而得到两次正面或两次反面的概率分别是0.25，如果我们感兴趣的是两次正面或两次反面的概率，那么p_value为0.25
夸张点，假设说抛了5次，来统计下5次都是正面和5次都是反面的概率和：0.0625
这个值小于0.05，如果我们感兴趣的是5次都是正面和5次都是反面的概率和，那么p_value是0.0625
image.png
我们在夸张点，我们有很多很多数据，需要用分布函数来表示（可以复习下抽样分布这一章），这是某个地区女性身高分布图，显然，在预测某人身高时，在142cm—169cm之间的概率是0.95
image.png
超过169cm的概率为0.025
image.png
不到142cm的概率为0.025
image.png
如果我们感兴趣的是不到142cmhe超过169cm的概率和，那么p_value为0.05
讲到这里，p_value即是我们感兴趣的事件发生的概率，往往利用p_value去判断小概率事件发生的概率，往往用于假设检验中
显著性阈值
在假设检验中，我们计算的p_value，通常是和显著性阈值来相比的，比方说，我规定α = 0.05，那么当p_value < 0.05的时候，我们认为小概率事件在一次试验中发生，那么说明原假设有问题，该拒绝它。
