P是“拒絕原假設時犯錯誤概率”又或者說是“如果你拒絕掉原假設實際上是在冤枉好人的概率”。
不管怎麼表達理解上都有點繞，所以你還是看例子吧。比如你做一個假設（ null hypothesis）：你的女性朋友平均身高2米，輸入你統計的樣本數據後，計算機給你返回的p值是0.03。這意味着如果你拒絕“女性朋友平均身高2米”這個結論，犯錯的概率是0.03，小於0.05（人們一般認爲拒絕一句話時犯錯概率小於0.05就可以放心大膽地拒絕了），這個時候你就可以拒絕原假設。如果計算機返回p值是0.9，那麼你就會想，這說明拒絕原假設犯錯概率高達90%，那麼我就不應該拒絕原假設，即你應該認爲你的女性朋友平均身高就是2米。
至於什麼是alpha呢，上面例子中0.05這個標準就是alpha值，這個標準是可以你自己人爲改變的
原假設爲女性朋友身高平均值2米，取了若干個樣本後測量出樣本的平均值爲1.6，經過計算（計算過程非常簡單，如果總體的方差已知就用Z檢驗，如果總體的方差未知就用樣本方差替代然後用t檢驗，每本統計書上都有不贅述），在我們設定alpha爲0.05時，置信區間爲1.8到2.2，咱們取的樣本均值1.6不在這個範圍內，所以拒絕。
“拒絕原假設犯錯的概率”是在說什麼呢，它是在說，我們假設女孩子們身高均值爲2米，計算出來的均值爲1.6，跟原假設差距很大，這時候我們拒絕原假設“身高爲2米”，我們拒絕這個不靠譜假設時可能犯錯的概率<=0.05。
“接受原假設正確的概率”是在說什麼呢，它是在說，我們假設女孩子們身高均值爲2米，計算出來的均值爲1.6，跟原假設差距很大，但我們還是堅持認爲原假設“身高爲2米，我們堅持這個不靠譜假設時可能正確的概率<=0.05。
看到這裏應該所有人都能明白了，“拒絕不靠譜原假設時犯錯的概率”跟“接受不靠譜原假設時正確的概率”是一致的。講過例子之後可以發現，在原話中加上“不靠譜”三個字，有助於我們的理解。
樣本均值1.6對應的p值爲0.03是什麼意思？這是指，在假設全體女孩身高爲2米的情況下，咱們隨機抽取到一些樣本得出均值爲1.6米或比1.6米更極端的數值的可能性爲0.03，在原假設下抽到這樣樣本的概率太低了，而我們卻十分稀罕地居然一下就抽到了這樣的樣本，那麼正常人的第一反應就是，咱們原先假設身高均值爲2米這個假設不對。用統計學的話來說就叫做“由於樣本均值落在拒絕域中，所以拒絕原假設”。
可見，p值是在精確的算出一個取樣的稀罕程度。alpha值是事先給出了一個對樣本稀罕程度的判斷，這個值是可以主觀去改變的，你可以認爲取到樣本均值的可能性爲0.2或更低就很極端從而拒絕，也可以認爲取到樣本均值的可能性爲0.001或更低才拒絕。一般認爲樣本稀罕到可能取到的概率<=0.05時，咱們就認爲原假設不靠譜。
