P值即概率，反映某一事件发生的可能性大小。
不同的P数值所表达的含义也是不一样的。
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。实际上，P值不能赋予数据任何重要性，只能说明某事件发生的几率。统计结果中显示Pr > F，也可写成Pr( >F)，P = P{ F0.05 > F}或P = P{ F0.01 > F}。
在统计学中，P值是指，在假设检验中，观察数据集样本统计量至少达到观察到的这么极端的概率。一般来说，P值越小，说明观察数据集样本统计量与假设的差异越大，因此我们越可能拒绝这个假设。
在不同的假设检验中，P值的计算方法会有所不同，下面以单样本t检验为例简要介绍P值的计算方法：
建立原假设和备择假设，比如原假设H0：总体均值μ=μ0，备择假设Ha：总体均值μ≠μ0；
选择显著性水平，一般为0.05或0.01，表示原假设被拒绝的最小概率；
计算t值，即t=(x̄-μ0)/(s/√n)，其中x̄为样本均值，s为样本标准差，n为样本容量；
根据t值的正负以及自由度（n-1）查询t分布表得到双侧检验的P值；
比较P值与显著性水平的大小，如果P值小于显著性水平，说明观察到的样本极端程度概率较小，原假设被拒绝，否则不拒绝原假设。
需要注意的是，P值只是一个统计学方法，用于帮助我们评估样本数据与假设的一致性或不一致性，不能用于判断因果关系或强制实际决策。
