概览

该示例将计算非配对t检验的检验力。然而，该示例的目标更广泛 - 展示用Prism进行蒙特卡洛分析有多么简单，并向您展示它们是多么有用。

此处的问题是：给定关于随机离散的实验设计和假设，非配对t检验给出P值小于0.05并因此宣布为具有统计学显著性的概率（检验力）是多少？

步骤1。模拟第一个实验

从任意位置，点击“新建”、“分析”，然后选择“模拟列数据”。选择模拟两组，每组五个值，从平均值为25和35的群体中抽样，根据SD为10的高斯分布进行分布。

步骤2。用t检验分析数据

从模拟数据表中，点击“分析”，并从列分析列表中选择t检验。接受所有默认选择来执行非配对t检验，报告双尾P值。

步骤3。查看一些模拟结果

从结果中复制P值，并粘贴到数据图表上。该图表将粘贴一个实时链接，因此如果值改变，P值也将改变。如需使用不同的随机数模拟新数据，点击红色骰子图标，或下拉“更改”菜单，然后选择“再次模拟”

下列布局显示了放置在布局上的四个这种图表，它们是未链接的图片，当图表改变时不会更新。即使项目中只有一个图表，这也使得将四个不同版本（具有不同的随机数据）放置到布局中成为可能。您可以看到，随着数据的随机变化，P值变化很大。

步骤4。蒙特卡洛模拟

从t检验结果开始，点击“分析”，然后选择“蒙特卡洛模拟”。

在第一个（模拟）选项卡上，选择想要Prism执行的模拟次数。该示例使用1000次模拟。

在第二个（要制表的参数）选项卡上，选择想要制表的参数。该选择是Prism在分析数据时创建的分析常数列表。对于该示例，我们只想将P值制成表格（来自比较平均值的t检验；不要将其与比较方差的F检验的P值混淆）。

在第三个（命中）选项卡上，定义准则，使给定模拟结果成为“命中”。对于该示例，我们将定义命中为：P＜0.05的统计学显著性。

点击“确认”，Prism将运行模拟。可能需要几秒或几十秒，取决于计算机的速度。

步骤5。蒙特卡洛结果

P值的分布

模拟结果显示在两个页面中。

一页显示所有模拟的列表参数。在该示例中，我们只要求将P值制成表格，所以该表格是包含1000个P值的列表（所要求的模拟数）。如需从该表格创建频率分布，点击“分析”，然后选择“频率分布”。选择累积频率分布。您可以看到大约四分之一的P值小于0.05。

命中率

另一个结果表总结了命中率。对于这组模拟，27.5%的模拟为命中（P值小于0.05），95%置信区间为24.8%至30.4%。表述这些结果的另一种方式是，我们实验设计的检验力为27.5%。

请注意，模拟取决于随机数生成，随机数生成根据您开始的时间进行初始化。所以，如果您的结果可能与上述结果不同。

如果我们运行更多模拟，置信区间当然会更窄。

从该表中，点击“新建”，然后选择用于创建饼图或百分比图的现有数据图表。

步骤6。进一步探讨

回到第1步，模拟更大的实验，假设每组有10个值。或者20或100。这会使检验力增加多少？

尝试将命中的定义降低为P值小于0.01而非0.05。这对检验力有什么影响？