在书《概率论与数理统计教程（茆诗松）第三版》387页多重比较一节中，重复数相等场合的T法的小节中，t化极差统计量在H0成立情况下的分布不易求出，但是可用随机模拟的方法得到它的分位数，请通过编程实现自编函数求它的各个分位数

当我们无法直接求出t化极差统计量在0成立情况下的分布时，使用随机模拟的方法来得到它各个分位数。下面是一个示的Python代码，用于实现自编函数来求解t化极差统计量的个分位数：

import numpy as np

def t_range_quantiles_simulations, n_samples, alpha):
    """
    计算t化极差统计量的各个分位数

    参数：
    n_simulations: 模拟次数
    n_samples: 样本数量
    alpha: 显著性水平

    返回：
    分位数列表
    """
    t_range_values = []
    for _ in range(n_simulations):
        # 生成服从H0成立情况下的数据
        samples = np.random.standard_normal((n_samples,))

        # 计算t化极差统计量
        t_range = np.max(samples) - np.min(samples)

        t_range_values.append(t_range)

    # 计算分位数
    quantiles = np.percentile(t_range_values, [alpha/2 * 100, (1-alpha/2) * 100])

    return quantiles

# 示例使用
n_simulations = 10000
n_samples = 20
alpha = 0.05

quantiles = t_range_quantiles(n_simulations, n_samples, alpha)
print(f"The {alpha*100}% quantiles of t-range statistic: {quantiles}")

在上述代码中，`n_simulations`表示模拟的次数，`n_samples`表示样本数量，`alpha`表示显著性水平。函数通过生成服从H0成立情况下的随机数据，并计算t化极差统计量，重复进行多次模拟，最后计算得到t化极差统计量的分位数。

请注意，以上代码仅为示例，实际应用中可能需要根据具体情况进行适当调整。