人工的に作成したデータを分析すると，統計の理解が捗ります．「p値ちっちゃい，やったー」みたいな意味のない分析するより，こっちのほうが統計初学者には勉強になるのではないか，と思います．
次のような例を考えてみましょう．
仮説検定を繰り返してp値の分布がどうなっているかを調べる
最初に正規分布に従う乱数を作ります
rnorm(10, 0, 1)
たとえばこのコードは平均0標準偏差1の正規分布に従う乱数を10個作ります．
次に，正規分布(平均0，標準偏差sd)に従う乱数列を二つ作り，その平均値をt検定する関数を定義します関数の名前はcoin1です．
#coin1 coin1<-function(n,sd){ x <- rnorm(n, 0, sd) y <- rnorm(n, 0, sd) z<-t.test(x,y,var.equal=T) z$p.value}
関数testは関数coin1をk回繰り返します．
test<-function(k,n,sd){ x <- c() # 空の（要素数ゼロの）リストを作る for (i in 1:k) { y <- coin1(n,sd) #コイン1000回投げt検定の結果p値のみ返す x <- c(x, y) } x }
最後にp値の分布を確認します．
hist(test(k=1000,n=10000,sd=5), breaks = 25)
仮説検定は通常，データに対して一回しか用いません．だから計算されたp値は1個です．
しかし計算された，たった一つのｐ値をみても，正しい仮説が何かは分かりません．帰無仮説が正しいときp値は一様分布に従います．
