解释双样本均值的随机化检验的主要结果

请完成以下步骤来解释双样本均值的随机化检验。主要输出包括直方图和 p 值。

关于本主题

步骤 1：检查自举分布的形状
步骤 2：确定检验结果在统计意义上是否显著

步骤 1：检查自举分布的形状

使用直方图可以检查自举分布的形状。自举分布是每个重新采样样本的所选统计量的分布。自举分布看上去应当为正态分布。如果自举分布不是正态分布，您将无法信任自举结果。

通常，重新采样的样本越多，越便于确定自举分布。例如，在这些数据中，对于 50 个重新采样样本，分布看上去不明确。对于 1000 个重新采样样本，分布形状看上去接近正态。

步骤 2：确定检验结果在统计意义上是否显著

要确定总体均值的差值在统计意义上是否显著，请将 p 值与显著性水平进行比较。通常，显著性水平（用 α 或 alpha 表示）为 0.05 即可。显著性水平 0.05 指示在实际上不存在差异时得出存在差异的风险为 5%。

P 值 ≤ α：均值的差值在统计意义上显著（否定 H₀）: 如果 p 值小于或等于显著性水平，则决策为否定原假设。您可以得出总体均值的差值在统计意义上显著的结论。要计算置信区间并确定差值实际上是否显著，请使用双样本均值引导。有关更多信息，请转到统计显著性和实际显著性。
P 值 > α：均值的差值在统计意义上不显著（无法否定 H₀）: 如果 p 值大于显著性水平 0.05，则决策为无法否定原假设。您的证据不足，无法得出总体均值的差值在统计意义上显著的结论。

Randomization Test for Difference in Means: Rating by Hospital

Randomization Test Histogram for Rating by Hospital

Method μ₁: mean of Rating when Hospital = A µ₂: mean of Rating when Hospital = B Difference: μ₁ - µ₂

Observed Samples Hospital N Mean StDev Variance Minimum Median Maximum A 20 80.30 8.18 66.96 62.00 79.00 98.00 B 20 59.30 12.43 154.54 35.00 58.50 89.00

Difference in Observed Means Mean of A - Mean of B = 21.000

Randomization Test Null hypothesis H₀: μ₁ - µ₂ = 0 Alternative hypothesis H₁: μ₁ - µ₂ ≠ 0

Number of Resamples Average StDev P-Value 1000 -0.185 4.728 < 0.002

主要结果：P 值

在这些结果中，原假设声明两家医院的平均评级的差值为 0。由于 p 值小于 0.002，这小于显著性水平 0.05，因此决策为否定原假设并得出两家医院的评级不同的结论。