Les données numériques modernes et massives nécessitent des algorithmes informatiques intensifs (science des données) pour l'analyse. Cependant, les petits ensembles de données continuent d'être analysés avec des méthodes statistiques classiques et inférentielles. Malheureusement, ces méthodes ont été entachées par l'abus, l'utilisation incorrecte et la mécompréhension de la signification statistique. Comprendre la signification statistique nécessite une appréciation des distributions d'échantillonnage théoriques des statistiques sommaires sous une véritable hypothèse nulle. Cet article démontre une méthode pour enseigner la signification statistique et substantielle avec des distributions d'échantillonnage simulées par ordinateur empiriques des coefficients de corrélation de Pearson. Les distributions d'échantillonnage des coefficients de corrélation de Pearson et les p-values révèlent que la signification statistique avec de petites tailles d'échantillons filtre les erreurs de taille d'effet qui seraient autrement considérées comme substantiellement significatives sous une véritable hypothèse nulle.
Eugene Komaroff (Jeu) a étudié cette question.