许多原因归结为您实际上在问什么问题,如何设计学习内容,甚至相等地意味着什么。
我曾经在《英国医学杂志》上刊登过一个有趣的小插页,其中谈到了人们对某些阶段的解释。事实证明,“始终”可能意味着某件事发生的时间低至91%(BMJ VOLUME 333 2006年8月26日,第445页)。因此,可能认为相等和等效(或X的某个值在X%以内)意味着同一件事。并使用R询问计算机一个简单的等式:
> (1e+5 + 1e-50) == (1e+5 - 1e-50)
[1] TRUE
现在,使用无限精度的纯数学家可能会说这两个值不相等,但是R表示它们是对的,并且在大多数实际情况下,它们将是(如果您愿意给我(1e + 5 + 1e-50),但最终金额为(1e + 5-1e-50),我不会拒绝付款,因为它与承诺的金额有所不同)。$$$
此外,如果我们的替代假设是,那么即使技术上实际的空值是,我们也经常将空值写为,但是我们将等式设为null因为如果我们可以证明大于那么我们也知道它大于所有小于的值。难道不是两个尾巴的测试真的只是两个单尾巴的测试吗?毕竟,您是否真的会说但拒绝说在哪一边?这就是部分原因的原因,如果我的置信区间为ħ 0:μ = μ 0 H ^ 0:μ ≤ μ 0 μ μ 0 μ 0 μ ≠ μ 0 μ 0 μ μ μ 0 μ μ 0 μ 0 μHa:μ>μ0H0:μ=μ0H0:μ≤μ0μμ0μ0μ≠μ0μ0 μμ包含那么虽然我可能不愿意相信完全等于,但我无法确定位于哪一侧,这意味着它们在实际应用中也可能相等。μ0μμ0μ0 μ
其中很多归结为提出正确的问题并为该问题设计正确的研究。如果最终获得足够的数据来表明实际上无意义的差异在统计上是有意义的,那么您浪费了获取大量数据的资源。最好决定什么是有意义的差异,并设计研究以赋予您足够的能力来检测该差异,但不要更小。
而且,如果我们真的想分开头发,我们如何定义羊的哪些部分在右侧,哪些在左侧?如果我们用一条线定义它,每条线在定义上每边的头发数相等,那么上述问题的答案就变成“当然是”。