“研究者的意图”和阈值/ p值

我正在阅读John Kruschke的“进行贝叶斯数据分析”幻灯片，但实际上对他对t检验和/或整个零假设重要性检验框架的解释存在疑问。他认为p值定义不明确，因为它们取决于研究者的意图。

他特别给出了两个实验室的示例（第3-6页），它们收集了比较两种治疗方法的相同数据集。一个实验室致力于从12个受试者中收集数据（每个条件6个），而另一个实验室则在固定的时间内收集数据，这恰好会产生12个受试者。根据滑动时，临界 -值对的不同这两个数据收集计划之间：对于前者，但对于后者！$t$$p<0.05$$t_{\textrm{crit}}=2.33$$t_{\textrm{crit}}=2.45$

我现在找不到的博客文章建议固定持续时间方案具有更大的自由度，因为他们可以从11、13或任何其他数量的主题收集数据，而固定N方案通过定义为。$N=12$

有人可以向我解释：

• 为什么这些条件之间的临界值会有所不同？

• （假设是一个问题）如何针对不同的停止标准进行校正/比较？

我知道根据显着性设置停止标准（例如，直到为止的样本）会增加I型错误的可能性，但这似乎没有发生，因为这两个停止规则都不取决于分析。$p<0.05$

这是更多信息：http : //doingbayesiandataanalysis.blogspot.com/2012/07/sampling-distributions-of-t-when.html

此处提供了更完整的讨论：http : //www.indiana.edu/~kruschke/BEST/ 该文章考虑了p值，用于在阈值N处停止，在阈值持续时间处停止以及在阈值t值处停止。

我终于追踪到与幻灯片相关文件：Kruschke（2010）也可以直接从作者（通过鏁），在这里，因为该杂志没有得到广泛开展。解释有点平淡无奇，但我仍然不确定我是否会购买。

在固定N情况下，临界值的计算方式如下：从（相同）总体中随机抽取2 N个样本，并计算t值。重复此过程很多次以建立空分布。最后，将t c r i t设置为该分布的第95个百分点。$t$$2N$$t$$t_{crit}$

对于固定持续时间的情况，他假设对象的平均到达率。通过重复两个步骤来构造零分布。第一步，从带有参数λ的位置分布中得出每个条件N 1和N 2的被摄对象数量。接下来，从总体中随机抽取N 1和N 2来计算t值。这被重复许多次，和吨Ç ř 我吨被设定为百分该分布的第95。$\lambda$$N_1$$N_2$$\lambda$$N_1$$N_2$$t$$t_{crit}$

在我看来，这有点...时髦。据我了解，不存在单一的。相反，它是一个分布族，其形状部分由自由度参数确定。对于固定的N个条件，每组有N个对象，并且未配对t检验的合适t值是具有2 N - 2自由度的那个，这大概是他的模拟所再现的。 $t$$N$$N$$t$$2N-2$

$t$$t$$\lambda=N$$2N-N$$t$$\nu=1$$\nu=5$$t$

综上所述：

• $t_{crit}$
• $t$
• 我仍然不相信这实际上是一个问题，但是如果有人认为不是，我将很乐意阅读/支持/接受答案。