graphpad7.04多组比较p值_经典比较篇之十二：样本量增大，p值如何变化？(上)

这个问题源于某个微信群的讨论，若干个精益六西格玛业内大咖对此展开了激烈的讨论。其说法来自于一个共识，即当检验的差一定时，随着样本量的增大，这个差异是一定可以检验出来的。但问题就在于这个差是否一定，因为样本均值是一个变量，如果原假设成立，则p值不但不会随着样板量增大而变小，反而会增大。当然如果原假设不成立，则p值应该是会变小的。

实际情况到底如何呢，这引起了我的兴趣。起初我设想运用R或者Python之类的软件做大量的仿真实验，看看p值到底如何变化，但无奈目前编程还是我难以逾越的门槛。经过一段时间摸索，我用大家熟知的软件做了一些摸索，得出了一些结论，用两篇文章分享出来，希望得到大家的批评指正。

实验设计

以单样本单侧检验为例做实验，分别生成样本量为10、15、20、…、100的均值为10，标准差为0.2的正态分布样本各500个。

实验1

实验的假设为：H0：μ=10 ，Ha：μ<10。

以此假设计算t值和p值，用图形来查看p值随样板量增大的变化趋势。

初步猜想，因为生成的样本均值与假设均值相同，即原假设应该是成立的，因此随着样本量的增大，样本的均值应该越接近假设均值10，则p值也应该随之增大，且越来越接近0.5(样本均值与假设均值完全重合时，p值为0.5)。

实验2

实验的假设为：H0：μ=10.1，Ha：μ<10.1。

这是一个比较小的差，为生成样本标准差的0.2一半。初步猜想，在样板量较小时，会有比较多的检验无法拒绝原假设，但随着样板量增大，p值会变小，直至绝大多数样本都能够拒绝原假设。

取功效为0.9，可以算出最小样本量为36，因此实验取10～100的样本量是恰当的。

实验结果

实验1

首先看看箱线图。