احتمال الحصول على بيانات متطرفة على الأقل بقدر المرصودة إذا كانت الفرضية الصفرية صحيحة؛ وليس احتمال أن تكون الفرضية صحيحة.قيمة p هي رقم يُحسب في اختبار الفرضية الصفرية ويحدد مدى توافق البيانات المرصودة مع الفرضية الصفرية. تحديدًا، هي احتمال الحصول على إحصائية اختبار متطرفة على الأقل بقدر الإحصائية المرصودة، بافتراض صحة الفرضية الصفرية. من المفاهيم الخاطئة الشائعة أن قيمة p هي احتمال أن تكون الفرضية الصفرية صحيحة، أو أنها تقيس حجم التأثير — وهي لا تفعل أيًا من ذلك. إنها تخبرك فقط بمدى مفاجأة البيانات في ظل افتراض محدد بـ"لا تأثير".
قدم هذا المفهوم كارل بيرسون عام 1900 في سياق اختبار مربع كاي، ثم طوره رونالد فيشر في عشرينيات القرن العشرين ونشره كأداة لاختبار الدلالة الإحصائية.
لحساب قيمة p، تختار أولاً إحصائية اختبار (مثل إحصائية t أو مربع كاي) تلخص البيانات. تحت الفرضية الصفرية، تتبع هذه الإحصائية توزيعًا احتماليًا معروفًا. ثم تحدد موقع الإحصائية المرصودة على هذا التوزيع وتحسب المساحة تحت المنحنى بعد تلك النقطة — وهذه المساحة هي قيمة p. قيمة p الصغيرة (مثل 0.01) تعني أنه إذا كانت الفرضية الصفرية صحيحة، فإن بيانات بهذا التطرف ستحدث فقط في 1% من المرات، مما يشير إلى أن الفرضية الصفرية قد تكون خاطئة.
تُستخدم قيم p في جميع العلوم التجريبية لتصفية النتائج للنشر ولتوجيه القرارات في مجالات مثل الطب والاقتصاد وعلم الوراثة.
في عام 2016، أصدرت الجمعية الإحصائية الأمريكية بيانًا رسميًا يحذر من أن قيم p تُساء استخدامها وتُفسر بشكل خاطئ على نطاق واسع، مما أثار حركة نحو ممارسات إحصائية أكثر متانة.


