Посмотрите на нулевую гипотезу

Я пока нуб, коллеги 😞

Скорее, нужен обратный пример реального процесса в природе за пределами какой-то очень фундаментальной физики, где что-то распределено нормально. Нормальное распределение получается в ситуации с большим количеством независимых факторов, влияющих на измерение на примерно одном уровне. Такие примерно найти сложно в реальности сложно, почти всегда будут какие-то более и менее значимые факторы. Например, на рост сильно влияет пол, и распределение получается немного приплюснутым, то есть не идеально нормальным.
Ну а это значит, что при достаточном размере выборки тесты на нормальность всегда найдут отклонение, вопрос лишь в размере выборки

Кажется, это называется effect size

Вы писали про статистические тесты. Вот вам статистические тест на большоооооой выборке, где эффект?

И снова огромное спасибо!

Теперь последний вопрос, пока мне это в ближайшее время не пригодится. Когда применяется поправка Бонферрони?
(ответ "при множественных сравнениях" слишком простой, хочу знать суть)

Да, именно)

Ну это в двух словах не объяснишь же

В смысле, где большая выборка? 80 значений?

Там чел о случаях в общем, а не о моём писал 😊

Я сделал симуояцию на 1000000000 в каждой группе, лол 😂

Хорошо, ещё раз благодарю, берусь за работу!

В смысле, симуляция на выборке из нормального распределения?

Вы писали: при большом размере выборки статистические тесты всегда найдут эффект. Вот вам две случайные выборки большого размера. Где эффект?

Это очень тонкий вопрос, но если коротко, то тогда, когда делаешь много однотипных тестов. Например, после ановы на нескольких группах хочешь узнать, какие именно группы различаются и делаешь много т-тестов. Но бонферрони излишне жесткий, лучше хотя бы холм (который и так по дефолту в R)

Еще раз, откуда выборки?

Сложно спорить с тем, что одинаковый эффект (скажем, разница средних) на выборках разного размера имеет разную достоверность

Я ж написал и на скриншот было: rnorm(100000000). Если прямо трактовать ваше утверждение, то пофигу на наличие или отсутствие реальных различий, большая выборка даст возможность найти эффект

А, я не увидел