# p值

> AP 统计学 · AP 2024-2026 统计学课程大纲
> 来源: https://www.owlsprep.com/zh/study/ap-statistics-u12-p-values/

本模块涵盖p值的正式定义、单侧/双侧比例z检验的计算、符合评分标准的情境化解读，以及正确使用p值得出统计显著性结论的方法。

**先修:** [总体比例的零假设与备择假设](https://www.owlsprep.com/zh/study/ap-statistics-u12-null-alternative-hypotheses/); [样本比例的抽样分布](https://www.owlsprep.com/zh/study/ap-statistics-u11-sampling-distributions-proportions/)

## 学习目标

- 在零假设显著性检验框架下正式定义p值
- 计算总体比例z检验的单侧和双侧p值
- 写出符合评分标准、结合具体情境的p值完整解读
- 按照AP考试要求使用p值得出有效的统计结论

## p值的正式定义

p值是零假设显著性检验的核心输出，也是AP统计学推断单元中考察频率最高的概念。College Board的评分标准规定，只有当你的解读明确提及「零假设成立」这一前提时，才能拿到全部分数。

**p值** — 当零假设完全成立时，观测到的检验统计量等于或比你从样本数据中计算出的结果更极端的概率。

*记法:* P

*例:* 如果右侧检验得到的样本z分数为+2.1，那么p值就是标准正态曲线下z=2.1右侧的面积。

> **info**
>
> p值是一个条件概率：它始终以零假设成立为前提。它**不是**零假设成立的概率，这个错误会让你在AP自由作答题中丢掉所有相关分数。

**概念自测**

在继续学习之前测试你对定义的理解

1. 以下哪一项是对p值的正确描述？

   - 零假设成立的概率
   - 假定H0成立时，观测到至少和当前结果一样极端的检验统计量的概率
   - 备择假设成立的概率
   - 你的样本结果可以复现的概率

   *解析:* 这一表述完全符合正式定义，也是College Board认可的可以拿到满分的标准表述。

## 比例Z检验的p值计算

当正态性条件满足时，针对单总体比例的推断所使用的检验统计量服从标准正态（z）分布。备择假设的方向决定了你需要使用分布的哪一个（或哪几个）尾部来计算p值。

$$z = \frac{\hat{p} - p_0}{\sqrt{\frac{p_0(1-p_0)}{n}}}$$

1. 对于右侧备择假设$H_a: p > p_0$，p值是你计算得到的z分数右侧的面积
2. 对于左侧备择假设$H_a: p < p_0$，p值是你计算得到的z分数左侧的面积
3. 对于双侧备择假设$H_a: p \neq p_0$，p值是z分数绝对值以外的尾部面积的两倍

**例题:** 一名研究者检验高中生拥有智能手机的比例是否不等于0.75，抽取了200名学生作为样本，其中162人拥有智能手机。计算对应的p值。

1. 首先确定零假设比例、样本比例和样本量：
2. $$p_0 = 0.75, \hat{p} = 162/200 = 0.81, n = 200$$
3. 计算z检验统计量：
4. $$z = \frac{0.81 - 0.75}{\sqrt{\frac{0.75 * 0.25}{200}}} \approx 1.96$$
5. 这是一个双侧检验，因此找到z=1.96右侧的面积并将其翻倍：
6. $$p-value = 2 * P(Z > 1.96) \approx 2 * 0.025 = 0.05$$

> **考试提示:** 你可以使用TI-84的normalcdf函数直接计算p值，但在自由作答题中必须写出z分数的计算过程才能拿到全部分数。

## 结合情境解读p值

AP统计学考试评分标准要求你的解读必须包含三个必填要素：提及零假设、结果的极端性、以及问题的具体情境。缺少任意一个要素都会导致该小题的所有分数被扣除。

**考试命令词**

AP考试中常见的提示词要求你解读给定的p值，这些提示词明确了你需要给出的回答：

- **Interpret the p-value** — 你必须写出一个完整的句子，包含全部三个必填要素，不允许使用简写 *(假定75%的学生拥有智能手机，观测到样本比例与0.75的差距大于等于0.81与0.75的差距的概率为0.05。)*

- **Explain the p-value in this setting** — 你必须在解读中明确写出总体参数和样本量

> **mnemonic**
>
> 使用助记符N-E-C来记住三个必填部分：假定零假设（Null）成立、结果极端（Extreme）、情境具体（Context specific）。

## 使用p值得出结论

标准决策规则将你计算得到的p值与预先设定的显著性水平$\alpha$进行比较，在AP统计学题目中显著性水平几乎总是设为0.05。你的结论必须始终与原始研究问题相关联，不能孤立地只写「拒绝H0」。

- 如果p值 < $\alpha$：拒绝零假设。在当前情境下存在统计显著的证据支持备择假设。
- 如果p值 >= $\alpha$：不拒绝零假设。在当前情境下不存在统计显著的证据支持备择假设。

**例题:** 一项比例检验得到的p值为0.027，显著性水平设为$\alpha = 0.05$。针对「超过60%的选民支持某项投票法案」的检验，写出一个有效的结论。

1. 将p值与显著性水平比较：
2. $$0.027 < 0.05$$
3. 写出关于零假设的正式决策：
4. 我们拒绝「支持该法案的选民真实比例为0.60」的零假设。
5. 写出与研究问题相关的情境化结论：
6. 在0.05的显著性水平下，存在统计显著的证据表明超过60%的选民支持该投票法案。

## 常见错误

- **错误做法:** 声称p值是零假设成立的概率
  - 原因: p值是在H0成立的前提下计算的，因此它无法量化H0本身成立的概率
  - 正确做法: 在描述p值时，始终明确说明你假定H0成立
- **错误做法:** 双侧检验时忘记将尾部面积翻倍
  - 原因: 这会让你得到的p值只有正确值的一半，导致你错误地拒绝H0
  - 正确做法: 在计算p值之前先确认备择假设的方向
- **错误做法:** 写出「我们接受零假设」这样的结论
  - 原因: 不拒绝H0并不证明H0是真的，它只意味着你没有足够的证据去拒绝它
  - 正确做法: 始终使用标准表述「不拒绝零假设」
- **错误做法:** 解读p值时没有提及问题的具体情境
  - 原因: AP评分标准会对没有明确提及参数的通用解读扣除全部分数
  - 正确做法: 每一次解读都要包含总体、参数和样本结果
- **错误做法:** 计算标准误时使用样本比例而不是零假设比例
  - 原因: 这会得到错误的z分数和错误的p值，无法获得分数
  - 正确做法: 比例检验的标准误计算始终使用零假设值$p_0$

## 速查表

| 检验类型 | p值计算方法 | α=0.05时的决策规则 |
| --- | --- | --- |
| 右侧检验 $H_a: p > p_0$ | $P(Z > z_{obs})$ | 若p < 0.05则拒绝H0 |
| 左侧检验 $H_a: p < p_0$ | $P(Z < z_{obs})$ | 若p < 0.05则拒绝H0 |
| 双侧检验 $H_a: p \neq p_0$ | $2 * P(Z > \|z_{obs}\|)$ | 若p < 0.05则拒绝H0 |

## 下一步

掌握p值是你后续AP统计学课程所有推断内容的基础，从双样本比例检验到均值t检验、卡方检验和线性回归推断都建立在这一基础之上。College Board极其看重对p值的理解，几乎每一套近年的AP考试卷中都至少有一道关于p值的题目。接下来你将学习如何将p值与置信区间结合，得出一致的双侧结论，之后再学习直接基于假设检验逻辑延伸的检验功效和一类/二类错误计算。请优先练习完整的情境化解读，避免在自由作答题中丢失容易拿到的分数。

---

来自 [OwlsPrep](https://www.owlsprep.com) —— A-Level / IB / AP / IGCSE 免费学习指南，依据官方考纲编写。原页面：https://www.owlsprep.com/zh/study/ap-statistics-u12-p-values/