一般而言,为了确定从样本(sample)统计结果推论至总体时所犯错的概率,我们会利用统计学家所开发的一些统计方法,进行统计检定.\x0d通过把所得到的统计检定值,与统计学家建立了一些随机变量的概率分布(probability distribution)进行比较,我们可以知道在多少%的机会下会得到目前的结果.倘若经比较后发现,出现这结果的机率很少,亦即是说,是在机会很少、很罕有的情况下才出现；那我们便可以有信心的说,这不是巧合,是具有统计学上的意义的(用统计学的话讲,就是能够拒绝虚无假设null hypothesis,Ho).相反,若比较后发现,出现的机率很高,并不罕见；那我们便不能很有信心的直指这不是巧合,也许是巧合,也许不是,但我们没能确定.\x0dF值和T值就是这些统计检定值,与它们相对应的概率分布,就是F分布和t分布.统计显著性（sig）就是出现目前样本这结果的机率.\x0dP值代表结果的可信程度,P越大,就越不能认为样本中变量的关联是总体中各变量关联的可靠指标.p值是将观察结果认为有效即具有总体代表性的犯错概率.如p=0.05提示样本中变量关联有5%的可能是由于偶然性造成的.\x0do(╯□╰)o