t值的来历是这样的：
模型y=ax+b+e中,a,b是估计的系数,因为某次抽样的不同（就是你使用的数据不同）,估计得到的a,b的值就不同,a,b是随机变量服从某个抽样分布,这个抽样分布就为正太分布.当把这个分布标准化后（减去均值,除以方差）得到的量是一个标准正态分布,但是因为方差是不知道的,故用样本方差来替代,这一替代,造成分布从标准正态分布变为t分布,而当原假设为真时及a=0,(或b=0)时,算得的量即为对应的参数的t统计量.
它的含义其实就是“一个服从t分布且与待检验的参数相关联的统计量”
p的来历是这样的：在假设检验中,需要算得统计量,比如t统计量,的具体值,然后和临界值比较,看它与临界值的大小关系.这个过程比较麻烦,因为不同的自由度等原因会造成临界值的不同.取而代之,从另一个角度来对待这个问题,计算p(|t|>t0)的值,这个t0即算得的t统计量,把这个概率式子展开是一个积分式子,计算出这个积分和置信水平比较,即可判断拒绝还是接受原假设.p值的含义是“能拒绝原假设的最小置信水平”
