统计中t值和p值的区别为：
1、t值，指的是T检验，主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。
2、P值，就是当原假设为真时，所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。
p值代表的是不接受原假设的最小的显著性水平，可以与选定的显著性水平直接比较。例如取5%的显著性水平，如果P值大于5%，就接受原假设，否则不接受原假设。这样不用计算t值，不用查表。
扩展资料：
T检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布资料。
t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与Z检验、卡方检验并列。
P值来源于六西格玛管理，是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进 行比较。由R·A·Fisher首先提出。
P值(P value)就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。
参考资料来源：百度百科-P值
参考资料来源：百度百科-t检验
1、t值
T检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。
T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的,并于1908年在Biometrika上公布 。
2、P值
P值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出。
P值（P value）就是当原假设为真时所得到的样本观察结果或更极端结果出现的概率。如果P值很小，说明原假设情况的发生的概率很小，而如果出现了，根据小概率原理，我们就有理由拒绝原假设，P值越小，我们拒绝原假设的理由越充分。
扩展资料
实用举例
1、t检验可用于比较男女身高是否存在差别
为了进行独立样本t检验，需要一个自（分组）变量（如性别：男、女）与一个因变量（如身高测量值）。根据自变量的特定值，比较各组中因变量的均值。用t检验比较下列男、女儿童身高的均值 。
假设
H0：男平均身高 = 女平均身高
H1：男平均身高 ≠ 女平均身高
选用双侧检验：选用α=0.05的统计显著水平
2、P值
从研究总体中抽取一个随机样本计算检验统计量的值计算概率P值或者说观测的显著水平，即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
如果P<0.01，说明是较强的判定结果，拒绝假定的参数取值。
如果0.01<P值<0.05，说明较弱的判定结果，拒绝假定的参数取值。
如果P值>0.05，说明结果更倾向于接受假定的参数取值。
参考资料来源：百度百科-t值
参考资料来源：百度百科-p值
本回答被网友采纳t值是用样本平均数与总体平均数进行比较的一种统计量，它用于检验样本平均数与总体平均数之间的差异是否显著。t值的计算需要考虑样本数据和总体数据的标准差，它可以通过公式进行计算。
p值是当原假设为真时，所得到的样本观察结果或更极端结果出现的概率。简单来说，p值是用来判断一个假设是否成立的统计量。如果p值很小，说明原假设不太可能成立，反之则说明原假设很可能成立。
在统计学中，t值和p值都是用于判断差异是否显著的工具，它们可以帮助我们判断样本数据与总体数据之间的差异是否具有统计学意义。
t统计量是用来衡量一组数据的均值与某个参考值的差异的一个统计指标。通常用于检验两组数据之间的差异是否显著。
p值是一种统计学的概率值，用于判断在某个假设成立下观察到的数据或更极端情况出现的概率。p值越小，意味着观察到的数据在该假设成立下出现的概率越低，从而更加支持拒绝该假设。
在实际应用中，一般会对两个样本进行t检验，得到t值和p值，通过比较p值与事先设定的显著性水平（通常为0.05或0.01）来做出判断，如果p值小于显著性水平，就可以认为观察到的差异是显著的，否则是不显著的。