حمید اسماعیلی - Department of Statistics, Shiraz University, Shiraz, Iran.
مینا توحیدی - Department of Statistics, Shiraz University, Shiraz, Iran.
سید روح ا... روزگار - Department of Statistics, Shiraz University, Shiraz, Iran.
مهدی امیری - گروه آمار، دانشگاه شیراز

اغلب در آزمون فرض از p_مقدار برای تصمیم گیری استفاده می شود. آیا p_مقدار بهترین معیار برای رد یا تایید فرضیه صفر است؟ آیا می توان معیاری بهتر از آن در اختیار داشت؟ در این مقاله مساله آزمون فرضیه نه به عنوان یک تصمیم بلکه به عنوان یک مسا له برآوردیابی برای احتمال رخ دادن مجموعه مشخص شده با Θ_۰ در نظر گرفته می شود و از p_مقدار به عنوان برآوردگری برای احتمال رخ دادن Θ_۰ استفاده خواهد شد. از طرفی در نظر گرفتن اعداد حقیقی به عنوان فضای پارامتری همواره مورد تا یید محققان بوده است. در حالی که در بسیاری از کاربردها فضای پارامتری محدود شده است. برای حالتی که فضای پارامتری کراندار باشد معیاری به نام p_مقدار اصلاح شده در توزیع نرمال برای آزمون های یک و دو طرفه ارائه خواهد شد که نسبت به p_مقدار معمولی عملکرد بهتری دارد.

Hypothesis testing, Decision theory, Modified p_value, Bounded parameter space., p_مقدار اصلاح شده, قانون درستنمایی, فضای پارامتری محدود شده, استنباط شواهدی.