به طور خاص p-value احتمال خطایی را نشان می‌دهد که در پذیرفتن معتبر بودن نتایج مشاهده‌شده وجود دارد، معتبر به این معنا که نتیجه مشاهده‌شده به‌خوبی جامعه را بازنمایی می‌کند. مثلا یک ۰/۰۵=p-value نشان می‌دهد که ۵ درصد احتمال دارد، رابطه‌ای که ما در نمونه مشاهده کرده‌ایم “اتفاقی” باشد.
مقدار p-value هرچه کمتر باشد دقت کار ما بالاتر است. p-value معمولا مقادیر 0.05 ، 0.01 ، 0.001 ، 0.0001 و … به خود می گیرد. به همین منظور در تحقیقات پزشکی به دلیل اهمیت موضوع معمولا p-value های بسیارکوچک انتخاب می کنند تا میزان خطا را به حداقل برسانند.
مقدار p-value نشان دهنده ی سطحی زیر نمودار منحنی طبیعی است (که قبلا در مورد آن پست آموزشی قرار داده شده است). هر مقداری از p-value برابر با میزان انحراف معیاری از میانگین است که مقادیر بزرگتر از آن نشان دهنده ی احتمال خطاست . میزان انحراف معیار یا نمره ی Z متناسب به p-value در منحنی طبیعی سطح باقیمانده زیر منحنی را نشان می دهد که احتمال وقوع خطا در آن وجود دارد.
برای استفاده از نرم افزار، به سادگی نمره استاندارد (z-score) را وارد کرده سپس نوع پی-مقدار (p-value) را انتخاب کرده و در آخر بر روی دکمه “محاسبه” کلیک کنید تا نتایج حاصل شود.

معمولا هنگامی که یک فرضیه و ادعایی در مورد جامعه آماری بررسی می‌شود، از یک آماره آزمون و یک معیار برای تصمیم‌گیری در مورد فرضیه صفر، H₀ استفاده می‌شود. پی-مقدار (P-value) یکی از معیارهای کاربردی برای انجام آزمون فرض و تصمیم‌گیری در مورد ادعا بیان شده، است.

تعریف پی-مقدار P-value

پی-مقدار P-value برابر است با احتمال رد فرض صفر براساس داده‌های مشاهده شده به شرط این که فرض صفر درست باشد.
به طور کلی p-مقدار (p-value) نشان دهنده این است که آیا اختلاف و رابطه بین گروه‌ها به متغیرهای مطالعه شده بستگی دارد یا نه؛ همچنین مقدار p مشخص می‌کند که آیا یک مقداری که مشاهده شده در نتیجه تغییری است که ایجاد شده و یا آن مقدار به طور تصادفی مشاهده شده است.
پی-مقدار P-value نشان می‌دهد که چه میزان داده‌ها و اطلاعات نمونه، سازگار با فرض صفر است.
به عبارتی، مقدار p کوچک‌ترین سطح اطمینانی است که فرضیه صفر رد می‌شود.

تفسیر پی-مقدار P-value

مقدار P معیار آماری است که به پژوهشگران کمک می‌کند تا تعیین کنند که آیا فرضیه‌های آن‌ها درست است یا خیر.
مقادیر کم p-مقدار (معمولاً کمتر از ۰٫۰۵) شواهد قوی بر علیه فرضیه صفر را نشان داده و در نتیجه فرضیه صفر رد می‌شود. همچنین مقادیر کوچک p نشان می‌دهد که احتمال وقوع داده‌ها تحت فرض صفر، احتمالی بعید است.
مقدار بزرگ p-مقدار (بیشتر از ۰٫۰۵) شواهد ضعیفی علیه فرض صفر را نشان می‌دهد، بنابراین شما نمی‌توانید فرضیه صفر را رد کنید.
اگر مقدار P یک مجموعه داده، کمتر از مقدار مشخصی که از پیش تعیین شده (مثلاً ۰٫۰۵) باشد، پژوهشگران فرضیه “صفر” آزمایش خود را رد می‌کنند – به عبارت دیگر، متغیرهای آزمایش تاثیر معنی‌داری بر نتایج نداشته است.