一、P的意义不表示两组差别的大小，P反映两组差别有无统计学意义，并不表示差别大小。因此，与对照组相比，C药取得P<0.05，D药取得P <0.01并不表示D的药效比C强。
二、P>0.05时，差异无显著意义，根据统计学原理可知，不能否认无效假设，但并不认为无效假设肯定成立。在药效统计分析中，更不表示两药等效。那种将“两组差别无显著意义”与“两组基本等效”相同的做法是缺乏统计学依据的。
三、统计学主要用上述三种P值表示，也可以计算出确切的P值，有人用P <0.001，无此必要。
四、显著性检验只是统计结论。判断差别还要根据专业知识。抽样所得的样本，其统计量会与总体参数有所不同，这可能是由于两种原因。
P值的计算：
一般地，用X 表示检验的统计量，当H0为真时，可由样本数据计算出该统计量的值C，根据检验统计量X的具体分布，可求出P值。具体地说：
左侧检验的P值为检验统计量X 小于样本统计值C 的概率，即：P = P{ X < C}
右侧检验的P值为检验统计量X 大于样本统计值C 的概率：P = P{ X > C}
双侧检验的P值为检验统计量X 落在样本统计值C 为端点的尾部区域内的概率的2 倍：P = 2P{ X > C} (当C位于分布曲线的右端时) 或P = 2P{ X< C} (当C 位于分布曲线的左端时) 。若X 服从正态分布和t分布，其分布曲线是关于纵轴对称的，故其P 值可表示为P = P{| X| > C} 。
计算出P值后，将给定的显著性水平α与P 值比较，就可作出检验的结论：
如果α > P值，则在显著性水平α下拒绝原假设。
如果α ≤ P值，则在显著性水平α下不拒绝原假设。
在实践中，当α = P值时，也即统计量的值C刚好等于临界值，为慎重起见，可增加样本容量，重新进行抽样检验。
p值检验法的判断方法
1，假设检验
统计推断就是由样本来推断总体，它包括两个基本问题：统计估计和假设检验。这里主要讨论假设检验的问题。有关总体分布的未知参数或位置分布形式的种种论断叫做统计假设。人们要根据样本所提供的信息来对所考虑的假设做出接受或者拒绝的决策，假设检验就是做出这一决策的过程。
真实情况接受H0拒绝H0H0为真正确犯第一类错误H0不真犯第二类错误正确
第一类错误是：假设H0为真是，犯拒绝H0_的错误，这类“弃真”错误称为第一类错误
第二类错误是：假设H0实际上不真时，有可能接受H0，这类“取伪”的错误称为第二类错误
当样本容量n固定时，减小犯第一类错误的概率，就会增大犯第二类错误的概率，反之亦然。我们的做法是控制犯第一类错误的概率。使P{当H0为真时拒绝H0}≤α
其中0≤α≤1是给定的小的数，α称为检验的显著性水平，这种只对犯第一类错误的概率加以控制而不考虑第二类错误的概率的检验我们称之为显著性检验。
在进行显著性检验时，犯第一类错误的概率是由我们控制的，α很小，意味着P{当H0为真时拒绝H0}很小，这就保证了H0为真时，错误拒绝H0的可能性很小。这意味着H0是受保护的，也表明H0和H1的地位是不对等的。一般选择两类错误中，后果最严重的错误成为第一类错误。如果没有一类错误的后果严重更需要避免是，常取H0为维持现状。
