朋友們
讓我們繼續觀看帕蒂如何協助馬克在假設檢定中判定較小的 P 值。這個故事的第一部分請見 此處。
派蒂和馬克聊了一會兒,並檢視了馬克正在分析的部分資料。
「馬克,為了簡化說明,我們假設你正在比較兩個傳輸效率(TE)的數值;假設你測量了 100 次 TE 數值,並想確認這些數值在統計上是否大於某個值。因此,我們的原假設為 94%,備選假設則是大於 94%。」帕蒂說道。
派蒂走到白板前,將內容寫了下來:
Ho:平均值 = 94%
H1:平均值 >94%
「假設這一百個讀數的平均值是 100%,標準差是 10%」,她接著說。
「這跟數據幾乎完全一致,」馬克回答道。
帕蒂將這些資料輸入 Minitab 後,得到了以下輸出結果:

「因此,我們拒絕零假設,並得出結論:平均值(即 100)在統計上大於 94%」,派蒂說道。
「但它顯示P 值是 0.000,」馬克抱怨道。「這就是麥克為什麼訓斥我的原因,」他嘆了口氣。
「讓我們使用 Minitab 繪製一幅均值為 0、標準差為 1 的正態分佈圖,並觀察圖中 6 所在的位置。這個 6 相當於 T 值 6(若樣本量較大,例如超過 400,則相當於 Z 值 6),」帕蒂說道。請參見圖 1。

圖 1. Minitab 的圖形化輸出。
「哇,這就是 P 值,9.8659×10⁻¹⁰,」馬克驚呼道。
「結果發現,就連這個繪圖函數,當 T 或 Z 值大於約 8 時,計算出的 P 值也是 0,」帕蒂確認道。
「天啊,如果 T 值是 8 或更高,麥克說不定還是會罵我一頓,」馬克抱怨道。
「別灰心,」派蒂說:「我解出了高斯積分的微積分,發現它其實是互補誤差函數。Excel®能計算互補誤差函數,其 T 值或 Z 值最高可達 37.5。在此情況下,對應的 P 值為 4.61E-308。」參見圖 2。

圖 2. 帕蒂用來計算 P 值的 Excel 試算表。
馬克懇求道:「如果數值大於 37.5 呢?」
「既然宇宙中只有大約1080個原子,那就別為 4.61E-308 擔心了,畢竟這機率是 2.16E307 分之一,」帕蒂開玩笑地說。 「不過,如果你真的需要將溫度(T)設定得高於 37.5,我已經開發出能將 T 推高至遠超過 1000 的技術,甚至可能達到任何數值,但這些計算無法透過Excel® 來完成,」她接著說道。
馬克滿懷希望地問道:「那我就能拿到那個Excel®試算表了,而且如果我哪天必須將溫度設定調高到超過 T =37.5,你會幫我,對吧?」
「沒問題,」派蒂說。「哦,別被麥克·馬迪根嚇到了……他其實只是隻大泰迪熊罷了,」她打趣道。
聽了這話,兩人都不禁輕笑出聲,不過馬克的笑聲聽起來不太自然。
乾杯
羅恩博士
以下是帕蒂將高斯正態分佈函數整合至互補誤差函數的過程。若讀者希望取得用於計算 P 值的Excel®試算表檔案,請發送電子郵件至 [email protected]。



