如果您进行双尾测试并且计算得出，那么。结果意义重大。如果您进行单尾测试，您将得到不同的结果，具体取决于您调查的尾。它要么大很多，要么只有一半。$p=0.03$$p<0.05$

$\alpha=0.05$是通常的约定，无论您是否测试单尾双尾。您不会将其减半（可能在 Bonferroni 校正中除外，这不是这里的主题）。因此，是的，有时单尾测试会给你一个显着的结果，而双尾测试不会。但是，事情并非如此：您必须始终预先确定，无论您认为单尾测试还是双尾测试合适，因为您必须预先确定您的级。然后，您计算该值，并且没有更多的自由度如何测试或将值与什么进行比较。如果您根据您是否喜欢结果来确定测试的偏向性，那么这不是好的科学实践。$\alpha$$p$$p$

话虽如此，几乎没有适合测试单尾的情况。在大多数情况下，值得在两个方向上传达重要的结果。如果您测试单尾，您的一些观众会认为这是一种技巧，可以将您的值尽可能小。$p$

您必须考虑如何值。这将决定你应该如何在你拥有的值和你想要的值之间移动。通常，值是在给定分布下与您的值一样远或远的可能值（例如，检验统计量、均值差等）的比例。 $p$$p$$p$

在标准教科书演示文稿中，第一步是计算从移动到时值左侧的曲线下面积。检查下图可能会有所帮助。如果这就是你所做的一切（例如，通过在表格中查找值，或者你的软件做了什么），那就构成了较低的单尾值。如果您想要较高的单尾值，您可以从中减去该值（而不是加倍或减半）。 $-\infty$$\infty$$p$$p$$p$$1$

$\hspace{12mm}$

但是，统计软件默认提供双尾值是非常标准的。（要从上面的教科书值出发值乘以2——例如使用上图中的白色区域，或者从中减去然后乘以 2，如果 ——比如使用上面的灰色区域。）如果你从一个双尾值开始，并且你想计算一个单尾值，你需要确定你相对于尾部是哪个尾部你要评估。首先将双尾值除以$p$$p$$<.5$$1$$>.5$$p$$p$$p$$2$. 然后，如果你的结果在你所追求的尾部（例如，你想知道是否明显小于和），你就完成了。如果您的观察值在错误的尾部，请从中减去商。 $\bar x$$\mu_0$$\bar x < \mu_0$$1$

完成一个简单的计算可​​能会有所帮助。为简单起见，假设您在已知总体呈正态分布且已知标准差为时，针对空总体平均值（称为 ） 。您的软件返回一个双尾值（即）并且您想要... $.75$$0$$1$$p$$.453$

• 双尾值： 停止，你已经在那里了。 $p$
• 测试的值 : 。 $p$$\bar x > \mu_0$$.453/2 = .227$
• 测试的值 : 。 $p$$\bar x < \mu_0$$.453/2 = .227\quad \Rightarrow \quad 1-.227= .773$

如果您的软件返回了上述单值之一，并且您想要确定双尾值，您将根据您是否处于您想要的尾部反转上面列出的过程之一。 $p$$p$

在所有情况下，都是一些标准值，例如 0.05，并且您不会为了测试的方向性而改变它。不要将其减半、加倍等。始终正确的是是某个拒绝区域，并且您正在测试该区域是否小于某个标准阈值（例如 0.05）。改变的是你计算的方式。$\alpha$$p$$p$

我一直认为统计量的累积分布函数 (CDF) 的函数- 即的函数，它是测试统计量的理论分布的 PDF 的积分直到你的。值的婴儿床单，之后我将对其进行解释：$p$$T$$F(T)$$-\infty$$T$$p$

左尾： $p = F(T)$

右尾：$p = 1-F(T)$

双尾： $p=\begin{cases} T<0: & 2\cdot F(T)\\ T>0: & 2\cdot(1-F(T)) \end{cases}$

在所有情况下，您都在尝试计算拒绝区域。对于左尾，它只是上面提到的 CDF。对于右尾，情况正好相反：除了左侧区域之外的所有内容，因此是。对于双尾来说，这有点棘手。您正在尝试创建两个对称部分的拒绝区域。对于一个，因此位于标准化分布的平均值 0 的左侧，你有一个类似于左尾的东西通向它。因此，您进行左尾计算并将其加倍。对于一个，因此位于标准化分布均值 0 的右侧，你有类似右尾的东西经过它。因此，您进行右尾计算并将其加倍。$1-F(T)$$T$$T$