模拟意义
唐尼还定期发布内容丰富的博客。我最近遇到的一个问题是“仍然只有一个测试”，它通过计算的角度而不是严格的数学角度来解释统计测试。对我而言，计算角度比数学角度更有意义。在本博客中，唐尼清楚地阐明了计算方法。
显着性检验的出发点是假设观察值与预期值之间的差异是偶然的。然后计算统计值，例如观察到的和期望的之间的平均绝对差或均方差。在模拟情况下，将随机生成数据，其中从“预期”分布中采样“观察到的”（在设计上，观察到的和预期的之间没有统计差异），计算相同的比较统计量，以及所有此类计算的列表均已存储并排序。然后将实际观察到的预期统计与模拟列表中的统计进行对比。p值表示该值在有序列表中显示的极端程度。如果它落在中间，我们 d接受零散假设，即差异只是偶然。另一方面，如果它位于模拟计算的99％之外，则p值将<0.01，并且我们倾向于拒绝原假设，并得出结论，观察值与预期值之间存在差异。
本博客的其余部分解决了以下问题：60卷“合理”的6面模是否可以合理地产生频率分布（8
使用的技术是带有Python 3.6.5的JupyterLab 0.32.1。使用Python的功能列表综合展示了仿真。试用频率使用Python的漂亮集合库中的Counter函数制成表格。
1