第十一章
埃贡·皮尔逊向内曼提出了一个问题：
- 如果在检验一组数据的正态性并未得到显著的p值，那么如何确定这组数据是否服从正态分布呢？
- 在显著性检验中获得不显著的结果意味着什么呢？
- 如果无法推翻一个假设，是否可以认定这个假设成立呢？
而费希尔的观点是较大的p值（没有显著性）意味着数据不足以做出判断。同时，他也从来不认为显著性的缺失意味着被检验的假设是正确的。
后来在不断的研究中，内曼得出了假设检验的基本思想，要想让显著性检验有意义，至少要有两个可能的假设。也就是说，只有当你相信一组数据服从另外一个分布或一组分布，你才能检验这组数据是否服从正态分布。
例如，当人们在临床试验中比较两种药品时，待检验的零假设是两种药品具有同样的效果。不过，如果这个假设成立，研究就不需要进行下去了。两种治疗手段相同的零假设是个活靶子，需要靠研究结果来推翻。
因此，根据内曼的理论，人们在设计实验时应以结果数据效力的最大化为目标，以推翻零假设，显示出药品效果的差异。
第十一章
如果我们无法认定估计值是完全正确的，那么我们能否确定估计值与参数真值之间的距离呢？
这个问题的答案在于区间估计。单个数字的估计属于点估计。
为解决这个问题，内曼提出“置信区间”，将置信区间的两端称为“置信界限”。
网友评论