Hypothesis Testing: 解释 p-value 的准确含义，并指出最常见的误解。

Core Concept: p-value = 在原假设为真时，观测到至少如此极端的统计量的概率。它不是'原假设为真的概率'。

p-value 的严格定义：在<strong>原假设 H₀ 成立</strong>的假设下，观测到检验统计量取值<strong>至少与实测值一样极端</strong>的概率。注意三个限定：① 它以 H₀ 为真为前提（是条件概率 P(data|H₀)，不是 P(H₀|data)）；② '至少一样极端'要求明确定义极端的方向（单侧/双侧）；③ 它衡量的是数据的稀有程度，不是假设的可信度。最常见的误解是把它当作 P(H₀|data)——这两者的区别正是贝叶斯与频率派的根本分歧，且由贝叶斯定理，P(H₀|data) 还依赖<strong>先验</strong> P(H₀)，两个量可以差别极大（基率谬误）。

三个实践要点：① <strong>p 小不等于效应大</strong>——p 值同时受效应量与样本量影响，n 极大时即使效应微小（如 CTR 提升 0.01%）也能得到极小的 p 值；因此必须同时报告<strong>效应量与置信区间</strong>，这也是近年'超越 p<0.05'（ASA 声明、Nature 评论）的核心主张。② <strong>不显著 ≠ 无效应</strong>——可能是功效不足（样本太小）；正确表述是'没有足够证据拒绝 H₀'而非'证明 H₀ 成立'。③ <strong>p 值的误用</strong>——p-hacking（多重比较后只报显著的）、可选停止（peeking）、HARKing（看到结果再编假设）都会使 p 值失真；缓解是预注册分析计划、多重比较校正、序贯检验方法。在 A/B 测试中，p 值应配合护栏指标与业务显著性（最小可检测效应 MDE）一起解读。