p-value

p-value — это вероятность получить наблюдаемый результат (или даже более экстремальный) при условии, что на самом деле никакого эффекта нет. Проще говоря, p-value показывает, насколько данные противоречат предположению «ничего не происходит». Чем меньше p-value, тем сильнее данные «не согласны» с нулевой гипотезой. Это не вероятность ошибки, а условная вероятность в рамках модели, где эффект отсутствует.

Зачем это важно? В любой науке — от медицины до маркетинга — нужно отличать закономерность от случайности. Если p-value меньше 0,05, результат принято считать статистически значимым. В более строгих областях используют порог 0,01. Единого значения нет — всё зависит от цены ошибки. Так появился общий язык для исследователей.

Как это работает? Вы бросаете кость 60 раз, шестёрка выпадает 18 раз. p-value — это вероятность, что честная кость случайно выдала бы такой перекос. Если она равна 0,02, случайность очень маловероятна. При этом p-value не говорит, насколько эффект велик, — только указывает, что он вряд ли случаен.

Пример. Новое лекарство от мигрени сокращает приступ с 40 до 25 минут. Разница может быть случайной. Но если p-value = 0,03, шанс получить её без действия лекарства — всего 3%. Это меньше порога 5%, значит, эффект признают доказанным.

Вывод. p-value не говорит, верна ли гипотеза. Это индикатор того, насколько данные удивляют нас. Маленькое значение — сигнал «результат редкий, копай глубже». Вместе с тем помните: при множественных проверках p-value легко вводит в заблуждение. Как и любой инструмент, оно требует осмысленного применения.