OK, inne, nieco inne podejście do tego:
Pierwszym podstawowym problemem jest wyrażenie „z powodu [losowej] szansy”. Idea nieokreślonej „szansy” przychodzi naturalnie dla studentów, ale jest niebezpieczna dla jasnego myślenia o niepewności i katastrofalna dla prowadzenia rozsądnych statystyk. Przy czymś takim jak sekwencja rzutów monetą łatwo jest założyć, że „los” jest opisany przez układ dwumianowy z prawdopodobieństwem 0,5. Jest z pewnością pewna naturalność, ale ze statystycznego punktu widzenia nie jest to bardziej naturalne niż przyjęcie 0,6 lub czegoś innego. W przypadku innych mniej „oczywistych” przykładów, np. Dotyczących rzeczywistych parametrów, zupełnie niepomocne jest zastanawianie się, jak wyglądałaby „szansa”.
W odniesieniu do pytania kluczową ideą jest zrozumienie, jaki rodzaj „szansy” opisuje H0, tj. Jakie jest rzeczywiste prawdopodobieństwo / nazwy H0 MZD. Po wprowadzeniu tej koncepcji uczniowie w końcu przestają rozmawiać o tym, co dzieje się „przypadkiem”, i zaczynają pytać, czym właściwie jest H0. (Stwierdzili również, że rzeczy mogą być spójne z dość szeroką gamą H, aby uzyskać przewagę w przedziałach ufności za pomocą testów odwróconych).
Drugi problem polega na tym, że jeśli jesteś na drodze do definicji p-wartości Fishera, powinieneś (imho) zawsze wyjaśnić to najpierw pod względem zgodności danych z H0, ponieważ celem p jest dostrzec to, a nie interpretować obszar ogona jako rodzaj działania „przypadkowego” (lub szczerze mówiąc w ogóle, aby to zinterpretować). Oczywiście jest to kwestia retorycznego nacisku, ale wydaje się, że pomaga.
Krótko mówiąc, szkoda polega na tym, że ten sposób opisu rzeczy nie uogólnia na żaden nietrywialny model, o którym mogliby następnie pomyśleć. W najgorszym przypadku może to tylko zwiększyć poczucie tajemnicy, jaką badanie statystyk generuje już u ludzi, do których skierowane są takie opisy.