1 显著性水平
显著性水平是估计总体参数落在某一区间内，可能犯错误的概率，用α表示。
α表示原假设为真时，拒绝原假设的概率。
2 P值
Ｐ值代表，在假设原假设（HO)正确时，出现现状或更差的情况的概率.
设置一个想要推翻的结论的对立面的null hypothesis，而Ｐ值就是假设null hypothesis成立的情况下，计算实际观察结果与零相吻合，以及更坏情况出现的概率。而这个概率就是Ｐ值.
α <0.05,说明犯一类错误（拒绝真实的原假设）是个小概率事件，故拒绝ＨＯ.
这与显然显著性检验中，Ｐ<0.05，原假设是个小概率事件,故拒绝ＨＯ，有着本质的区别。
在假设检验中常见到P值即概率，反映某一事件发生的可能性大小。
统计学根据显著性检验方法所得到的P 值，一般以P < 0.05 为有统计学差异， P<0.01 为有显著统计学差异，P<0.001为有极其显著的统计学差异。其含义是样本间的差异由抽样误差所致的概率小于0.05 、0.01、0.001。
数据解释
P值 | 碰巧的概率 | 对无效假设 | 统计意义 |
P>0.05 | 碰巧出现的可能性大于5% | 不能否定无效假设 | 两组差别无显著意义 |
P<0.05 | 碰巧出现的可能性小于5% | 可以否定无效假设 | 两组差别有显著意义 |
P <0.01 | 碰巧出现的可能性小于1% | 可以否定无效假设 | 两者差别有非常显著意义 |
3 P值和显著性水平区别
显著性水平：显著性水平是假设检验中的一个概念，是指当原假设为正确时人们却把它拒绝了的概率或风险。它是公认的小概率事件的概率值，必须在每一次统计检验之前确定，通常取α=0.05或α=0.01。这表明，当作出接受原假设的决定时，其正确的可能性（概率）为95%或99%。
P值：p值是指在一个概率模型中，统计摘要（如两组样本均值差）与实际观测数据相同，或甚至更大这一事件发生的概率。换言之，是检验假设零假设成立或表现更严重的可能性。p值若与选定显著性水平（0.05或0.01）相比更小，则零假设会被否定而不可接受。
4 z值
z统计是用来衡量样本均值偏离整体均值的方差倍数，就是偏离方差的程度。
根据中心极限定理，总体样本N，每次抽样数n，每次抽样的均值的分布趋近正态分布。也就是随机误差符合正态分布。其分布的数学期望为总体均值μ，方差为总体方差的1/n。
Z值与P值关系
P值 差异程度
|
| 非常显著 |
|
| 显著 |
<1.96 | >0.05 | 不显著 |
如果检验一个样本平均数（
）与一个已知的总体平均数(μ0)的差异是否显著。其Z值计算公式为：
