這p -值對於決定是否拒絕顯著性檢定中的原假設很重要。 很遺憾， p -價值觀也常被誤解。 該腳本基於單樣本學生的t - 總體平均值檢定。 它模擬測試統計量及其相關的p -許多樣品的價值。 任何情況都可以模擬。 也就是說，您可以輸入任何總體平均值和標準差以及假設平均值。
只需打開並運行腳本即可。 第一次，我將模擬原假設為真的狀況。 在此範例中，最終製劑的一個重要特性是 pH 值。 應為 6（H0：平均 pH = 6）。 製劑 pH 值的模擬群體的平均值為 6，標準差為 0.1 pH。 我獲得了 12 種製劑的 pH 值。 我將模擬 100,000 個樣本並獲得t統計量及其p - 每個樣本的值。 以下對話方塊包含該模擬的所有正確參數。
點選好的。
每個樣本的結果顯示在單獨的行中。
的抽樣分佈t統計量及其p -值顯示在分發平台中。 這裡有兩個重要的特徵要注意。 首先， t當零假設為真時，統計量呈對稱分佈。 其次， p當零假設為真時，-值是均勻分佈的。 這種一致性就是為什麼當p -值小於顯著水準導致 I 類錯誤的機率等於所選顯著水準。
我將重複這個演示。 這次，我將模擬備擇假設為真的狀況。 唯一的變化是模擬群體的製劑 pH 值平均值為 6.1。 我再次獲得了 12 種製劑的 pH 值。 我將模擬 100,000 個樣本並獲得t統計量及其p - 每個樣本的值。 以下對話方塊包含第二次模擬的所有正確參數。
點選好的。
兩個主要特徵發生了巨大變化。 例子t統計量不再對稱。 這種形狀稱為非中心t分佈。 這p -值不再均勻分佈。 現在許多結果都低於顯著水準（超過 90%）。 這顯示了當平均數變化等於 1 個標準差且樣本量為 12 時此檢定的效能。
