该 p -value在决定拒绝或不拒绝显着性检验中的零假设时很重要。不幸， p - 价值也经常被误解。此脚本基于单样本学生 Ť - 测试人口的意思。它模拟测试统计及其相关联 p - 许多样本的价值。任何情况都可以模拟。也就是说，您可以输入任何总体均值和标准差以及假设均值。
只需打开并运行脚本即可。第一次，我将模拟零假设为真的情况。在该实施例中，最终制备的重要性质是pH。它应该是6（H0：平均pH = 6）。模拟的制备pH值群体具有6的平均值和0.1pH的标准偏差。我获得了12种制剂的pH值。我将模拟100,000个样本并获得 Ť 统计及其统计 p - 每个样本的值。以下对话框包含此模拟的所有正确参数。
点击好 。
每个样本的结果显示在单独的行上。
的抽样分布 Ť 统计及其统计 p -value显示在分发平台中。这里有两个重要的特征需要注意。首先， Ť 当零假设为真时，统计量是对称分布的。第二， p 当零假设为真时，-value均匀分布。这种一致性是为什么拒绝零假设的规则 p - 小于显着性水平的值导致I型错误的概率等于所选择的显着性水平。
我将重复这个演示。这一次，我将模拟替代假设为真的情况。唯一的变化是模拟的pH值群体的平均值为6.1。我再次获得12种制剂的pH值。我将模拟100,000个样本并获得 Ť 统计及其统计 p - 每个样本的值。以下对话框包含第二个模拟的所有正确参数。
点击好 。
两个主要功能发生了巨大变化。例子 Ť 统计不再是对称的。这种形状被称为非中心t分布 。该 p -value不再均匀分布。现在许多结果都低于显着性水平，超过90％。当平均值的变化等于一个标准偏差且样本量为12时，这显示了该测试的功效。
