1701023984
1701023985
我们的实验目的似乎非常简单：如果我们观察到服药病人的死亡率低于服用安慰剂的病人，我们就可以宣布新药研发成功，并向美国食品和药品管理局（FDA）递交上市申请。但是，这个观点是错误的。仅仅证明数据与理论相一致还不够，还要证明数据与反面理论不一致，也就是要排除讨厌的零假设。比如，我宣布自己拥有超能力，可以让太阳从地平线上升起。如果你想验证我的这个说法，只要在早晨5点钟时走到户外，就能看到我的超能力！但是，这样的证据根本谈不上是证据，因为根据零假设，即使我没有任何超能力，太阳也会照样升起。
1701023986
1701023987
在阐释临床试验的效果时同样需要小心谨慎，我们用数字来说明这个问题。假定零假设成立，这就意味着服用新药的50名病人与服用安慰剂的50名病人的死亡率正好相等（比如说都是10%）。但是，这并不意味着服用新药和服用安慰剂的病人中各有5人死亡。连续多次抛硬币时，正面朝上与反面朝上的硬币刚好一样多的可能性不是特别大。同样，正好有5名服药病人死亡的概率也不大，约为18.5%。而且，在测试过程中，服药病人与服用安慰剂病人的死亡人数刚好相同的可能性也不是很大。通过计算，我发现：
1701023988
1701023989
·服药病人与服用安慰剂病人的死亡人数刚好相同的概率为13.3%。
1701023990
1701023991
·服用安慰剂病人的死亡人数少于服药病人死亡人数的概率为43.3%。
1701023992
1701023993
·服药病人的死亡人数少于服用安慰剂病人死亡人数的概率为43.3%。
1701023994
1701023995
如果服药病人的测试结果优于服用安慰剂的病人，并不能说明什么问题，因为即便在新药无疗效这个零假设前提下，出现这样的结果也绝对不是不可能的。
1701023996
1701023997
但是，如果服药病人的测试结果好得多，情况就大不相同了。假定在测试过程中，有5名服用安慰剂的病人死亡，而服用新药的病人中无人死亡。如果零假设正确，那么两类病人的存活概率应当都是90%。但是，在这种情况下，服用新药的50名病人全部存活的可能性极小。第一个服药病人的存活概率为90%，前两名病人都存活的概率是90%的90%，即81%。如果我们希望第三名病人也存活下来，这种情况发生的概率就是81%的90%，即72.9%。每多一名病人存活，概率就会降低，到最后，所有50名病人全部存活的概率会非常小，这个概率是：
1701023998
1701023999
0.9×0.9×0.9×……×0.9×0.9=0.005 15……
1701024000
1701024001
在零假设前提下，出现这种理想结果的概率约为1/200。可能性这样小，说服力就要大得多。如果我说自己可以用超能力让太阳升起，结果太阳升起来了，此时，你不会认为我有超能力；但是，如果我说自己可以让太阳不升起来，结果太阳真的没有出现，这就说明我得到了一个在零假设前提下极为不可能的结果。在这种情况下，你可得考虑考虑了。
1701024002
1701024003
下面，我们以管理中常用的逐条列举的形式给出推翻零假设的程序：
1701024004
1701024005
1.开始实验。
1701024006
1701024007
2.假定零假设为真，设p为观察结果中出现极端情况的概率（零假设前提下）。
1701024008
1701024009
3.数字p叫作p值。如果p值很小，我们就可以认为实验结果具有统计学显著性；如果p值很大，我们就得承认零假设还没有被推翻。
1701024010
1701024011
那么，p值多小的时候我们可以说它很小呢？在显著性与非显著性之间并没有一条泾渭分明的原则性分界线，但是传统观点认为p=0.05是临界点，这个传统观点始于费舍尔本人。
1701024012
1701024013
显著性检验体现了我们对不确定性的直觉推理，因此人们普遍接受这个方法。圣经密码至少在乍看上去时令人信服，是什么原因呢？这是因为在《托拉》无法预见未来这个零假设前提下，对于魏茨滕所发现的这类密码而言，其存在的可能性极低，p值（即发现大量等距字母序列，可以准确地对著名拉比进行人口统计分析的可能性）与0非常接近。
1701024014
1701024015
多种版本的神创论在时间上远早于费舍尔正式提出的这个检验方法。我们的世界包罗万象、秩序井然，如果我们设定的零假设为“这一切并不是某位首席设计师的杰作”，那么在这个前提下，出现这样一个世界的可能性实在是太小了！
1701024016
1701024017
首次尝试用数学语言做出这个论断的人是约翰·阿布斯诺特（John Arbuthnot）。阿布斯诺特是一位物理学家、讽刺作家、亚历山大·蒲柏（Alexander Pope）式的人物，还是一位数学爱好者。他研究1629~1710年的伦敦人口出生记录，发现了显著的规律性：在这81年间，每年出生的男孩都多于女孩。于是，阿布斯诺特提出了一个疑问：在上帝不存在、新生儿性别随机分布这个零假设前提下，出现这种巧合情况的概率是多少呢？假设在任一特定年份，伦敦新生人口中男孩多于女孩的概率为1/2，那么p值（即连续81年出生的男孩多于女孩的概率）为：
1701024018
1701024019
1/2×1/2×1/2×……×1/2
1701024020
1701024021
1701024022
81个1/2相乘的得数略小于，也就是说，几乎等于0。阿布斯诺特根据这个发现撰写并发表了一篇论文，论文的题目为“神圣天意的论据——从新生儿性别研究中发现的永恒规律”。
1701024023
1701024024
阿布斯诺特提出的这个论据受到了神学研究名流的普遍赞誉，并被他们反复引用。但是，其他数学家却迅速指出他的推理过程存在某些缺陷，其中最主要的问题是他的零假设不合理，即婴儿性别是随机确定的，生男孩与生女孩的概率相同。这两个概率一定是相同的吗？尼古拉斯·伯努利（Nicholas Bernoulli）提出了一个不同的零假设：婴儿性别是由偶然性决定的，是男孩的概率为18/35，是女孩的概率为17/35。与阿布斯诺特的零假设一样，伯努利的零假设也否认了神的存在，但是与统计数据极为吻合。如果我们将一枚硬币抛了82次，结果全为正面朝上，那么我们应该认为“这枚硬币有问题”，而不是“上帝青睐硬币的正面”。[5]
1701024025
1701024026
尽管阿布斯诺特的论证没有得到广泛认可，但是其中的精神却得以传承。阿布斯诺特不仅是圣经密码学术研究之父，而且对神学研究者影响极深。时至今日，神学研究者仍然认为数学研究证明上帝必然存在，理由是没有神的世界绝不可能是现在这样。
1701024027
1701024028
不过，显著性检验的对象不应仅仅是神学研究给出的各种辩词。从某种意义上讲，查尔斯·达尔文（Charles Darwin）——在神学研究者眼中，他就是一个粗野、邪恶的无神论者——在论证自己的研究成果时，也采用了基本相同的方式。
1701024029
1701024030
自然选择理论对上述几大类事实的解释非常完美，几乎可以肯定，错误的理论是不可能拥有如此令人满意的效果的。最近，有人质疑这是一种危险的论证方法，但是人们评判生活中一些常见事件时都会使用这种方法，而且伟大的自然哲学家们也经常采用这种方法。
1701024031
1701024032
换句话说，如果自然选择理论是错误的，那么我们面前的生物世界几乎不可能与该理论的预测完全一致。
1701024033