Fisher 方法會回傳一個 p 值，告訴你是否「至少有一個」虛無假設應該被拒絕。關鍵字在於「至少一個」。
想像你要測試某種飲食法對減重的效果。這個飲食法已由多位研究者在不同情境中研究，但他們檢驗的虛無假設都是「這個飲食法不會造成體重下降」。所有研究者都回報了各自的 p 值，而你打算用 Fisher 方法加以合併。為什麼在這種情況下，拒絕其中一些（但不必然是全部）虛無假設是合理的？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
在本章中，我們將探討樣本與可被統計上正當化之結論之間的關係。選擇樣本是做出穩健統計決策的基礎，而我們會說明樣本的選擇如何影響你的推論結果。
學習如何應用常態性檢定、相關性檢定，以及母數與非母數檢定來進行可靠的推論。假設檢定是一組工具，為任務選對工具對統計決策至關重要。雖然你可能在入門課程中接觸過部分檢定，但本章會帶你更深入，強化你的推論工具箱。
在本章中，你將於各種情境下衡量並解讀效果量，認識多重比較問題，並深入探討檢定力。p 值可以告訴你是否存在顯著效果，但不會告訴你效果有多強。效果量則衡量處置所造成之效果的強度。掌握影響效果量的關鍵因素就在本章。
你將以拔靴法（bootstrapping）、置換檢定（permutation tests），以及從 p 值彙整證據的方法，進一步擴充你的推論統計工具箱。拔靴法會帶給你統計模擬的初步體驗。在統合分析這一課中，你會學到如何整合多個研究的結果。最後將介紹置換檢定—一種強大且彈性的非母數統計工具。
當前練習
