单样本和双样本的检验
1.1 单样本t检验
t检验假设数据来自于一个正态分布。
> daily.intake <- c(5260, 5470, 5640, 6180, 6390, 6515, 6805, 7515, 7515, 8230, 8770) > mean(daily.intake) [1] 6753.636
> sd(daily.intake) [1] 1142.123 > quantile(daily.intake) 0% 25% 50% 75% 100% 5260 5910 6515 7515 8770
检验这些摄入于推荐值7725千焦相差甚远
> t.test(daily.intake, mu = 7225) One Sample t-testdata: daily.intake t = -1.3688, df = 10, p-value = 0.201 alternative hypothesis: true mean is not equal to 7225 95 percent confidence interval:5986.348 7520.925 sample estimates: mean of x 6753.636
wilcoxon符号秩检验,实际应用基本上与t检验是一样:
> wilcox.test(daily.intake, mu = 7225) Wilcoxon signed rank test with continuitycorrectiondata: daily.intake V = 17, p-value = 0.168 alternative hypothesis: true location is not equal to 7225Warning message: In wilcox.test.default(daily.intake, mu = 7225) : 无法精確計算带连结的p值
非参数检验不会出现类似于参数估计以及置信区间边界的概念
1.2 两样本t检验
> attach(energy) > energy expend stature 1 9.21 obese 2 7.53 lean 3 7.48 lean 4 8.08 lean 5 8.09 lean 6 10.15 lean 7 8.40 lean 8 10.88 lean 9 6.13 lean 10 7.90 lean 11 11.51 obese 12 12.79 obese 13 7.05 lean 14 11.85 obese 15 9.97 obese 16 7.48 lean 17 8.79 obese 18 9.69 obese 19 9.68 obese 20 7.58 lean 21 9.19 obese 22 8.11 lean > t.test(expend~stature) Welch Two Sample t-testdata: expend by stature t = -3.8555, df = 15.919, p-value = 0.001411 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval:-3.459167 -1.004081 sample estimates:mean in group lean mean in group obese 8.066154 10.297778
(~)运算符的作用是指expend是通过stature来描述的
1.3 比较方差
var.test 对两个样本的方差进行F检验
> var.test(expend~stature) F test to compare two variancesdata: expend by stature F = 0.78445, num df = 12, denom df = 8, p-value = 0.6797 alternative hypothesis: true ratio of variances is not equal to 1 95 percent confidence interval:0.1867876 2.7547991 sample estimates: ratio of variances 0.784446
1.4 两个样本wilcoxon检验
> wilcox.test(expend~stature) Wilcoxon rank sum test with continuitycorrectiondata: expend by stature W = 12, p-value = 0.002122 alternative hypothesis: true location shift is not equal to 0Warning message: In wilcox.test.default(x = c(7.53, 7.48, 8.08, 8.09, 10.15, 8.4, : 无法精確計算带连结的p值
1.5 配对t检验
通过作差来将问题简化为单样本检验
> attach(intake) > intake pre post 1 5260 3910 2 5470 4220 3 5640 3885 4 6180 5160 5 6390 5645 6 6515 4680 7 6805 5265 8 7515 5975 9 7515 6790 10 8230 6900 11 8770 7335 > post - pre [1] -1350 -1250 -1755 -1020 -745 -1835 -1540[8] -1540 -725 -1330 -1435 > t.test(pre,post,paired = TRUE) Paired t-testdata: pre and post t = 11.941, df = 10, p-value = 3.059e-07 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval:1074.072 1566.838 sample estimates: mean of the differences 1320.455
配对wilcoxon检验
> wilcox.test(pre,post,paired = TRUE) Wilcoxon signed rank test with continuitycorrectiondata: pre and post V = 66, p-value = 0.00384 alternative hypothesis: true location shift is not equal to 0Warning message: In wilcox.test.default(pre, post, paired = TRUE) : 无法精確計算带连结的p值
单样本和双样本的检验相关推荐
- 正态分布、单 (双) 样本 T 检验
本次来说说连续变量与分类变量(二分)之间的检验. 通俗的来讲,就是去发现变量间的关系. 连续变量数量为一个,分类变量数量为两个. 总体:包含所有研究个体的集合. 样本:经过抽样总体中的部分个体. 均值 ...
- R双样本t检验(WELCH TWO-SAMPLE T-TEST)
R双样本t检验(WELCH TWO-SAMPLE T-TEST) 目录 R双样本t检验(WELCH TWO-SAMPLE T-TEST) 假设检验 假设检验的应用 双样本t检验
- 特征选择过滤法之方差选择、双样本t检验、方差分析、相关系数法、卡方检验、互信息法
特征选择过滤法之方差选择.双样本t检验.方差分析.相关系数法.卡方检验.互信息法 目录
- Excel双样本T检验之成对检验
Excel双样本T检验之成对检验 1 声明 本文的数据来自网络,部分代码也有所参照,这里做了注释和延伸,旨在技术交流,如有冒犯之处请联系博主及时处理. 2 双样本T检验之成对检验简介 独立样本中两样本 ...
- Python笔记-假设检验之双样本T检验(两样本是否相似)
概念 双样本T检验在于检验两个样本均值差异是否显著.比如男女消费是否显著. Python代码 逻辑: ①构造2个样本: ②先进行方差齐性检查,我们规定一个阈值,这2个样本方差齐性的p-value大于0 ...
- 格兰杰因果关系检验r语言_R语言系列第四期:R语言单样本双样本差异性检验
之前详细介绍了利用R语言进行统计描述,详情点击:R语言系列第三期:①R语言单组汇总及图形展示.R语言系列第三期:②R语言多组汇总及图形展示.R语言系列第三期:③R语言表格及其图形展示 从这个部分我们就 ...
- python t检验_A or B A/B测试-python独立双样本t检验
一.简单介绍A/B测试 A/B测试为同一个目标制定两个版本,一部分用户使用A版本,另一部分用户使用B版本,记录用户使用数据,比较各个版本对于改进目标的转化效果,选择更好的版本. 二.数据集介绍 有两种 ...
- 优思学院|利用Excel进行双样本t检验
以往,六西格玛的专业人员要进行假设检验,除了使用Minitab之外,别无他法.不过,随着时代对数据分析的渴求日益增长,我们日平常办工所用的Excel软件,现在已经可以为我们进行多种的统计分析了. 本文 ...
- 双样本T检验——机器学习特征工程相关性分析实战
最近在做数据分析方面的工作,经常需要检验两组样本之间是否存在差异,所以会遇到统计学中假设检验相关的知识.在机器学习特征工程这一步,笔者最常用到的是假设检验中的卡方检验去做特征选择,因为卡方检验可以做两 ...
最新文章
- 如何对linux镜像md5,Linux系统如何校验SHA1和MD5
- 出现运行时间错误_Excel VBA 运行错误,你知道为何突然出现错误的原因吗
- 为什么python中不需要变量名和变量类型声明?
- vue页面引入多个组件的方法
- 在C 语言中,请一定记得初始化局部变量!
- 一、iVX简介(IVX 快速开发教程)
- SQL SERVER2017 安装程序无法与下载服务器联系。无法安装机器学习服务的问题解决方式...
- java 文件zip打包下载 多个文件夹分类
- Gerrit用户登录显示Forbidden
- Java入门之继承,学会之后继承直接ok!!!超详细!!!
- 生成划掉的字_横向划掉字体 划掉字体生成器
- win10资源管理器拖拽文件卡死无响应
- CSS学习笔记 10.字体
- ionic 应用在iOS上打开相机拍照闪退、百度地图/高德地图定位失败(解决方案)
- 批处理——读写文件、字符串替换
- ftp服务器连接数修改,ftp服务器连接数设置
- 图像处理3:Sobel边缘检测
- 中国传媒大学计算机与网络安全学院研究生,林卫国 - 中国传媒大学 - 计算机与网络空间安全学院...
- VS2013出现未能正确加载 microsoft.visualstudio.editor.implementation.editorpackage的解决方法
- zookeeper的zoo.cfg配置文件详解