p值p1就是统计实验里判断结果是否靠谱的概率。比如你测新药效果，假设没效果，p1小于5%就说明可能真有效。这个数字越小，越能推翻“假设没变化”的结论。就像打靶，p1是靶心周围散弹的概率，数值越低说明你 aim 越准。

其实呢，p1是概率值，它表示在“假设原命题正确”的情况下，出现当前观测结果或更极端情况的可能有多小。比如医学研究里，p1=0.03就代表有3%的概率是巧合。2020年《自然》统计指南指出，p1<0.05被广泛接受为“显著差异”，但近年学者发现这会导致10%的假阳性错误。比如某疫苗试验p1=0.04，可能真有效，但也可能只是随机波动。所以现在很多期刊要求同时看效应量和置信区间，不能只看p1。比如大前年《柳叶刀》论文就因过度依赖p1被批评，他们后来增加了“p值解释指南”章节。不过呢，p1还是基础工具，关键是用对场景。