p 值问题

马逢时老师的书中说p值可以理解为‘对于此样本拒绝原假设将犯的第一类错误概率’，如果这样理解不是应该p值越大，越应该拒绝原假设吗？为什么反而是p值越小，越应该拒绝原假设呢？
如果按马老师书中理解,p值越小，原假设是正确的，拒绝原假设的概率越小吗？这时为什么要拒绝原假设呢？

p就是拒绝原假设拒绝错的可能性，p<a,表示这可能性太小了。理解为拒绝原假设拒绝对了。

p值是统计量对应的概率。p值越小拒绝H0的理由越充分

p值告诉你在原假设成立下得到这组样本以及比这组样本更极端的值有多么的不可能，而事实上这组样本已经取得了，所以如果p值很小，那就拒绝原假设。那么多小的p值算小呢？Fisher并没有给出具体的标准，通常的做法是人为给定一个小概率阿尔法，比如0.05，0.01，0.001等，如果
p值比给定的小概率还要小，那就认为p值足够小了，从而拒绝原假设。p值其实就是给定样本的显著性水平，或者叫做最小的显著性水平。

一般认为，0.05水平为显著，0.01水平高度显著

使用统计软件时，通过检验的p值，从而做出拒绝或不拒绝原假设的统计推断，但要注意与所检验问题的实际背景联系，统计检验仅代表统计学的推断结果，并不一定能对相应的实际结论，解释时需慎重。

P值如果足够小，就应该拒绝原假设。

p越小，拒绝原假设犯第一类错误即原假设是正确的而你拒绝了的概率越小，而显著性水平α是原假设错误接受原假设犯第二类错误的概率。
α<P,即犯第一类错误的概率低于犯第二类错误的概率，所以宁愿选择犯第一类错误，拒绝原假设

p值越小表明，犯类型I错误，即拒绝一个正确的原假设，的概率越小，因而越有把握拒绝原假设。

这个说法是对的，你的原假设是两个样本间没有差异，而当α为0.05，p=0.02时，那么确实应该拒绝原假设，表明两个样本间存在显著差异。
可能就是需要换一个角度。