Hypothesis-Testing
當組合 p 值時，為什麼不只是平均呢？
我最近了解了 Fisher 合併 p 值的方法。這是基於零下的 p 值服從均勻分佈的事實，並且
我認為這是天才。但我的問題是為什麼要走這種錯綜複雜的方式？為什麼不（有什麼問題）只使用p值的平均值並使用中心極限定理？還是中位數？我試圖了解這個宏偉計劃背後的 RA Fisher 的天才。
你可以完美地使用平均值-價值。
Fisher 方法集設置了一個閾值在, 這樣如果原假設： 全部-值是成立，那麼超過有概率.發生這種情況時被拒絕。
通常需要一個和由分位數給出. 等效地，一個人可以在產品上工作低於有概率. 這是，對於，顯示拒絕區的圖表（紅色）（這裡我們使用. 拒絕區的面積 = 0.05。
現在你可以選擇工作相反，或等效地. 你只需要找到一個門檻這樣在下面有概率; 精確計算很乏味——因為足夠大，您可以依靠中心極限定理；為了,. 下圖顯示了拒絕區（面積再次 = 0.05）。
正如您可以想像的那樣，拒絕區的許多其他形狀都是可能的，並且已經被提出。尚不清楚哪個更好——即哪個具有更大的權力。
讓我們假設,來自雙邊- 使用非中心參數 1 進行測試：
> p1 <- pchisq( rnorm(1e4, 1, 1)**2, df=1, lower.tail=FALSE ) > p2 <- pchisq( rnorm(1e4, 1, 1)**2, df=1, lower.tail=FALSE )讓我們看一下散點圖，紅色表示拒絕零假設的點。
Fisher 乘積法的功效約為
> sum(p1*p2<exp(-9.49/2))/1e4 [1] 0.2245基於總和的方法的功率-值大約是
> sum(p1+p2<sqrt(0.1))/1e4 [1] 0.1963因此，Fisher 的方法獲勝——至少在這種情況下如此。
