Z =（x-μ）/ σ
μ为均值，σ为标准差。
以下是R中将z-score转为p.value的方法：
pnorm(q, mean = 0, sd = 1, lower.tail = TRUE)
q就是z-score；
个人最常用的是双边检验（two-tailed test).
1、标准正态分布表(Z值表)的计算：
NORMSINV(1-α/2) 【双侧】，例如NORMSINV(1-0.05/2)=1.959963985。
NORMSINV(1-α) 【单侧】，例如NORMSINV(1-0.05)=1.644853627。
公式复制、粘贴至Excel的公式编辑栏中就可以直接得到计算结果。记得代入具体的α值，并且在公式前面加英文状态下的等号，否则得不到计算结果。
b、P值的计算：
如果你已经计算好了Z值，可以按以下公式直接计算出P值，也不需要查表：
【双侧】P值=(1-NORMSDIST(Z值))*2，例如(1-NORMSDIST(1.96))*2=0.024997895*2=0.05。
【单侧】P值=1-NORMSDIST(Z值)，例如1-NORMSDIST(1.96)=0.024997895=0.025。
注意事项
如果Z值为负值，你应该取绝对值后再代入以上公式，或者使用NORMSDIST(Z值)代替1-NORMSDIST(Z值)。例如NORMSDIST(-1.96)=0.024997895。
Zα称为标准正态分布的临界值，t(α,n-1)称为t分布(student分布)的临界值，这两个值可以通过查统计学教科书附表而取得，也可以按我回答的“标准正态分布表临界值的计算”项下的公式计算。
我以你p1-p2的例子来说明。你的例子是要比较2个率是否来自同一个总体(也就是2个率p1、p2是否相等)。在这里，原假设H0一般是p1、p2相等，对应的备择假设H1是p1、p2不等，则有
Z=(p1-p2)/sqrt[p1×(1-p1)/n1+p2×(1-p2)/n2]。
sqrt代表开平方，n1、n2分别代表2分样本的样本量。
以上就是计算的方法。
得到Z值后，可以按照我回答的“P值的计算”项下的公式计算P值，当P值＜0.05时(有时是0.01，有时是0.10，依行业习惯而定)拒绝原假设H0，否则就接受H0，这是各种统计软件使用的方法。
————————————————
版权声明：本文为CSDN博主「weixin_39782394」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_39782394/article/details/112043263
rcorrp.cens(x1,x2,Surv(data$OS, data$OSstatus))我用上面的语句是可以计算出来的，c-index应该是Dxy/2+0.5，P值是通过Z值计算，Dxy/S.D =z，z≥1.96则P≤0.05，z≥2.58，则P≤0.01
