再问一个问题，很多人都以为自己明白了呵

哈哈！我先来。大家向我开炮。
P value: 代表原假设h0(Null Hypothesis)成立而你却拒绝接受所发生的概率值，在统计上表示第一类错误(Type I Error) α，一般α值设定为0.05，当p值小于设定的α（0.05）时，根据小概率事件的不可能性，拒绝原假设。

1.p值代表拒绝原假设出错的实际概率
对。但p值也是从样本数据的来的。(不知O大师说的实际概率是不是陷阱:pp）
2.p值大于0.05，应该接受原假设
对。但在正态性检验等上是0.1。
3.p值小于0.05, 应该拒绝原假设
对。
4.p值是指实验的功效power值
很少用，不敢判断。

假设检验就是将样本数据进行统计分析，模拟分布情况，得出置信区间，然后进行统计分析与比较。比如1-sample T,模拟出样本的分布与值新区间后就可以将目标值与值新区间进行比较，如果目标值落入置信区间，则p值大于0.05，反之相反（此结论可以通过计算验证）。所以以下两个问题可转化成置信区间的问题。

5.p值在其他条件不变时，Delta增大，p值会减小
对。Delta为预先确定预测精确度，Delta增大，发现区别的概率增加，p值变小。
6.p值在其他条件不变时，样本n增大，p值会减小
对。N变大，置信区间回缩小，样本间的独立性与区别变大，p值变小。
7.Alpha是我们设定的显著性水平，p值就是实际的alpha风险
对。MINITAB
8.p值在单边检验时与Alpha比较，双边检验应与Alpha/2比较
不对。计算分析过程中可以这样理解，但Minitab中均与0.05进行比较（已经考虑到）。
9.p值就是两个分布进行比较时，相互叠加的不可区分的区域
不对。比较重叠区域可以得到定性的判断（对1-sample T/Z适用）
10.p值用于minitab正态性测试时，应该是大于0.10时默认为正态分布
对。