解释单样本均值的随机化检验的主要结果

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均值分布。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，您将无法信任结果。

50 个重新采样的样本

1000 个重新采样的样本

要确定总体均值和假设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与假设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，请使用单样本函数引导。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，无法得出总体均值与假设均值之间的差值在统计意义上显著的结论。