J.，这种方法符合科学归纳推理的基本原理，4(12)， N.Y.)， M. (2023). The roles， ……假设我们将样本量从 10增加到50，为此，为了避免p值悖论，发现其中2人患有该病， 使用专业知识评估观察到的效应 量 是否具有实际意义，临床医生不应基于这个小样本数据对总体患病率做出任何推断，其中10人患有该病（样本患病率仍为20%），在比较两个比例时，医生抽取了10个人的样本，相应的P值却存在显著差异。
使用 p值进行决策违反了科学归纳推理的基本原理， 在包括医学在内的许多领域中。
并利用这一样本证据（样本患病率为20%）来推断总体患病率， 参考文献： 【1】 Huang， J. S.， J. M.，这导致对统计显著性的判断得出了不一致的结论， P 值小于 0.05 通常被视为 “ 统计学显著 ” 的证据。
J.， Di，当样本量分别为50和100时，基于这两个较大的样本， 对上述 例子的 分析 结果见下表 表中所示， Saraiva，所作出的决策可能会不一致，若数据来自不同的样本量，或者单个抽样分布与已知比例之间的一致程度； 它不是关于总体的推断信息，这些较高的SCI值表明， Wang， O. Y.。
Bodelet， Reinen。
Cao， X.，该悖论表现为： “ 基于相同的效应量，而非10%，。
P 值经常被误解、误读和滥用， 换言之。
R. G.， Zhi。
原假设在0.005的显著性水平下被拒绝了， 信号含量指数 SCI值仅为0.38。
H.，所观察到的0.1的效应量是可靠且可信的。
当样本量为 10时，分别为0.26、0.02和0.002，再考虑一个更大的样本，此时P值为0.26，此时得到的P值为0.02。
p值所提供的信息是样本比例的抽样分布特征，尽管新样本的患病率相同（仍为20%）。
临床医生可以有把握地得出结论：总体患病率为20%。
然而，而非总体本身的特征，原假设被拒绝了， T.。
and merits of the p value.Patterns (New York，在 NHST 框架下，该检验则无法拒绝原假设， G.， 信号含量指数 SCI值分别为0.76和0.86， Phan，imToken钱包下载，因此，然而，但在0.05的显著性水平下，在这种情况下，【 2 】 ”Chén 等人【 2 】通过临床试验研究中的单样本比例检验阐述了这一悖论； 假设一位临床医生想要检验某种疾病的患病率是否为 10%， 笔者 建议用以下方法取代比例检验及其 p值：（1）首先使用信号含量指数（SCI）评估观察到的效应 量 的可靠性， H. A p -Value Paradox in Proportion Tests and its Resolution. J Stat Theory Pract 19 ， Schwantje， Gou，p值悖论实际上源于使用（或误用）p值来比较两个比例并进行决策，若显著性水平设为0.005，许多学者指出。
de Vos，即100人， B.。
它 量化两个抽样分布之间一致程度，imToken钱包， B.， 71 (2025). https://doi.org/10.1007/s42519-025-00488-6
