医学里那个 p 值，有时候听起来挺玄乎，实际上说白了就是个“运气测试”。 想象你在灶台间里刚煮了一锅汤，认定咸淡对味，立马放个勺子尝一口，认定挺舒服，心里想着“这汤真不错”，然后顺手往“好吃”的标签上戳个叉。
这时候你心里想的是“这汤真不错”，但要是你突然拿出一把尺子量一下这勺汤的体积，发现居然只有 1/4 个碗那么大，这时候那个“好吃”的标签就得翻篇儿了，出于你发现这根本不是啥好汤，而是一勺。p 值就是那个用来量体积的尺子，它告诉你，你观测到的那个结局，在概率上离“恰好形成”有多远。
要是这个结局形成的概率高到一定程度，比如 98%，那我们就说这是“偶然”；要是只有 1% 的概率才如此巧合，那我们就说这是“必然”，要么起码是我们该挺住的了。 大量人一听 p 值就头晕，认定那是统计学的黑魔法，认定医生说 p 值小于 0.05 就是真理，大于 0.05 就是假象。但这事儿没那么好办，出于 p 值不是真理的标尺，而是证据的锤子。它衡量的是你在重复试验里，再次拿到彻底一样的结局需求花多大的代价。
比如你为了验证某个药能不能治病，抽了 1000 份病人，结局发现这 1000 份里，有 50 个人好了。你心里想：这药真神？那我把这结局再写一遍，全世界其他人也跟着看着我做同样的实验，大约有 500 个人也会变好？要是我算出来这个概率只有 0.03%，那我得说，这药可能真有点用，起码不是纯运气。但要是我算出来只需求 20% 的概率都能如此说，那我就要质疑：这 50 个人是不是碰运气凑出来的？可能确实没人好，只是我碰巧发现了 50 个？这时候，p 值就是那个冷冰冰的过滤器，它帮你把“幸存者偏差”和“真事故”分个清楚。 那如何才算 p 值小？
如何才算大？这实际上就取决于你对“偶然”的定义。
要是我说“这局牌我打得贼精彩”，那么只要对手打得好，我打出好的牌的概率就挺大，这概率可能直接大过 0.9。但医学上，我们更关心的是“黄了”的概率。
比如我要说“这个手术根本没用”，那我期望的是，哪怕我抽到最顶尖的手下，也打不出好结局。
要是我用小样本，一个就成功了，我就得说“运气忒好了，这手术没用”。
要是我用大样本，一个也黄了了，那我就说“这手术大约率没用”。p 值实际上就是看你抽到这种极端结局的概率有多大。
要是概率大，说明你挺可能只是碰运气；要是概率小，说明你的观察结局大约率是真的。 举个具体的例子，这就好比你要验证一种新的减肥药。你拿了几十个小瓶子做实验，结局发现这 30 个瓶子里，70% 的人都瘦了。你可能高兴坏了，心想“这药真神啊，我立马就推荐大家买”。
这时候要是有人拿着计算器，问：“要是你把这数据再录一遍，全世界 5 万人也一起用这个药，大约再有几个人能瘦下来？” 要是你算出来概率是 60%，那你就能够放心地持续推荐，出于剩下的 40% 也不算啥，可能是你样本量忒小，要么别人的运气更差一点。但要是你算出来概率只有 8%，那这就有点尴尬了，这不代表这药没用，而是说明你的样本量还不够“准”。
或许这药只是治了 50% 的人，剩下的 50% 就是一般/平平人，只是你少见的运气让它看起来效果拔群了。
这时候，p 值就帮你把“偶然”和“必然”做了算术比赛。 实际上，p 值还有一个常被误解的地方，就是它和“关键性”没关系。大量人一看到 p 值小，就认定“哇，这个发现挺关键”。但这彻底行不通。p 值小只代表这个结局在统计上显著，不代表它有多大意义。
比方说，我推了一辆脚踏车下山，只要 10 秒，那对骑脚踏车的人来说，这脚踏车可能就是个玩具，出于 99% 的人都比 10 秒更快。但要是我推的是个石头，10 秒也跑不过，p 值可能也就 0.06，这时候大家会认定这石头挺有意思的，起码你比石头快。在这个例子里，p 值只是告诉你“这事儿离巧合的程度”，至于你是不是确实发现了新大陆，还得看试验本身做得对不对，样本够不够大，有没有选错地方。 再深一层想，p 值就连有点像是在玩掷骰子。你掷一次骰子，点数是 6，这概率只有 1.5%，我们说这是“奇迹”。你是掷 100 次骰子，发现全都是 6，那这时候的概率是不是变成了"1.5% 的 100 次方”？这概念忒高超，但逻辑就通顺了。医学里，我们每天都在做这种“掷骰子”。我们想验证某种疗法的效果，我们人为地制造出大量类似的“骰子”（病人），然后看结局是 6 的概率是多少。
要是这个概率大到离谱，比如 0.4，那我们当作这疗法没用，出于忒常了；要是这个概率小到离谱，比如 0.0001，那我们就信当作真。p 值就是那个“离谱”程度的量尺。 实际上，p 值最大的功能，不是让我们信任某个结论，而是让我们知道“我们目前的结论，是不是忒离谱了”。
要是 p 值挺小，说明你目前的结论忒离谱，离纯运气忒近了，故此我们要贼谨慎地看待这个结论，把它当成真事儿去验证。
要是 p 值挺大，说明你目前的结论离纯运气不远了，可能只是碰巧从一堆乱七八糟的结局里捞出来的，这时候我们要停下来，问问自己，是不是样本忒少、是不是样本本来就不好、是不是方式本身就有难题。
这时候，p 值就是那个“红绿灯”，告诉我们要更小心一点，去排查缘由，而不是直接下结论。 总的来说，p 值就是统计学里那个最酷的“偶然度”测试。它不直接回答“对不对”，而是回答“这事儿够不够假”。在医学里，我们不在乎结局有多完美，在乎的是我们能不能排除掉那些由运气带来的完美。
只有当我们排除了运气，剩下的那个结局，才是我们该去信任的科学发现。p 值就是那个帮我们做这个排差的标尺，别看它挺冷冰冰，但它让我们在面对医学奇迹时，多了一份清醒和谦卑。
毕竟，能比 10 秒跑得快，也是一种运气，不是吗？