É difícil ter uma discussão filosófica convincente sobre coisas que têm 0 probabilidade de acontecer. Então, mostrarei alguns exemplos relacionados à sua pergunta.
Se você tiver duas amostras independentes enormes da mesma distribuição, as duas amostras ainda terão alguma variabilidade, a estatística t de duas amostras combinadas estará próxima, mas não exatamente igual a 0, o valor P será distribuído como
Unif(0,1), eo intervalo de confiança de 95% será muito curto e centrado muito perto 0.
Um exemplo de um desses conjuntos de dados e teste t:
set.seed(902)
x1 = rnorm(10^5, 100, 15)
x2 = rnorm(10^5, 100, 15)
t.test(x1, x2, var.eq=T)
Two Sample t-test
data: x1 and x2
t = -0.41372, df = 2e+05, p-value = 0.6791
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.1591659 0.1036827
sample estimates:
mean of x mean of y
99.96403 99.99177
Aqui estão os resultados resumidos de 10.000 dessas situações. Primeiro, a distribuição dos valores-P.
set.seed(2019)
pv = replicate(10^4,
t.test(rnorm(10^5,100,15),rnorm(10^5,100,15),var.eq=T)$p.val)
mean(pv)
[1] 0.5007066 # aprx 1/2
hist(pv, prob=T, col="skyblue2", main="Simulated P-values")
curve(dunif(x), add=T, col="red", lwd=2, n=10001)
Em seguida, a estatística de teste:
set.seed(2019) # same seed as above, so same 10^4 datasets
st = replicate(10^4,
t.test(rnorm(10^5,100,15),rnorm(10^5,100,15),var.eq=T)$stat)
mean(st)
[1] 0.002810332 # aprx 0
hist(st, prob=T, col="skyblue2", main="Simulated P-values")
curve(dt(x, df=2e+05), add=T, col="red", lwd=2, n=10001)
E assim por diante, para a largura do IC.
set.seed(2019)
w.ci = replicate(10^4,
diff(t.test(rnorm(10^5,100,15),
rnorm(10^5,100,15),var.eq=T)$conf.int))
mean(w.ci)
[1] 0.2629603
É quase impossível obter um valor P da unidade fazendo um teste exato com dados contínuos, onde as suposições são atendidas. Tanto que um estatístico sábio ponderará sobre o que pode ter dado errado ao ver um valor-P igual a 1.
Por exemplo, você pode fornecer ao software duas amostras grandes idênticas . A programação continuará como se fossem duas amostras independentes e dará resultados estranhos. Mas, mesmo assim, o IC não terá largura 0.
set.seed(902)
x1 = rnorm(10^5, 100, 15)
x2 = x1
t.test(x1, x2, var.eq=T)
Two Sample t-test
data: x1 and x2
t = 0, df = 2e+05, p-value = 1
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-0.1316593 0.1316593
sample estimates:
mean of x mean of y
99.96403 99.96403