R语言系列学习(各种检验)
1、W检验(Shapiro–Wilk (夏皮罗–威克尔 ) W统计量检验)
检验数据是否符合正态分布,R函数:shapiro.test().
结果含义:当p值小于某个显著性水平α(比如0.05)时,则认为
样本不是来自正态分布的总体,否则则承认样本来自正态分布的总体。
2、K检验(经验分布的Kolmogorov-Smirnov检验)
R函数:ks.test(),如果P值很小,说明拒绝原假设,表明数据不符合F(n,m)分布。
3、相关性检验:
R函数:cor.test()
cor.test(x, y,
alternative = c("two.sided", "less", "greater"),
method = c("pearson", "kendall", "spearman"),
exact = NULL, conf.level = 0.95, ...)
结果含义:如果p值很小,则拒绝原假设,认为x,y是相关的。否则认为是不相关的。
4、T检验
用于正态总体均值假设检验,单样本,双样本都可以。
t.test()
t.test(x, y = NULL,
alternative = c("two.sided", "less", "greater"),
mu = 0, paired = FALSE, var.equal = FALSE,
conf.level = 0.95, ...)
结果意义:P值小于显著性水平时拒绝原假设,否则,接受原假设。具体的假设要看所选择的是双边假设还是单边假设(又分小于和大于)
5、正态总体方差检验
t.test(x, y = NULL,
alternative = c("two.sided", "less", "greater"),
mu = 0, paired = FALSE, var.equal = FALSE,
conf.level = 0.95, ...)
结果含义:P值小于显著性水平时拒绝原假设,否则,接受原假设。具体的假设要看所选择的是双边假设还是单边假设(又分小于和大于)
6、二项分布总体假设检验
binom.test(x, n, p = 0.5,
alternative = c("two.sided", "less", "greater"),
conf.level = 0.95)
原假设:p=p0,p<p0,p<p0 计算结果p-值很小,表示拒绝假设,否则为接受假设.
7、Pearson 拟合优度χ2检验
chisq.test(x, y = NULL, correct = TRUE,
p = rep(1/length(x), length(x)), rescale.p = FALSE,
simulate.p.value = FALSE, B = 2000)
原假设H0:X符合F分布。
p-值小于某个显著性水平,则表示拒绝原假设,否则接受原假设。
8、Fisher精确的独立检验:
fisher.test(x, y = NULL, workspace = 200000, hybrid = FALSE,
control = list(), or = 1, alternative = "two.sided",
conf.int = TRUE, conf.level = 0.95)
原假设:X,Y相关。
9、McNemar检验:
mcnemar.test(x, y = NULL, correct = TRUE)
原假设:两组数据的频数没有区别。
10、秩相关检验
cor.test(x, y,
alternative = c("two.sided", "less", "greater"),
method = "spearman", conf.level = 0.95, ...)
原假设:x,y相关.
11、Wilcoxon秩检验
wilcox.test(x, y = NULL,
alternative = c("two.sided", "less", "greater"),
mu = 0, paired = FALSE, exact = NULL, correct = TRUE,
conf.int = FALSE, conf.level = 0.95, ...)
原假设:中位数大于,小于,不等于mu.
R语言系列学习(各种检验)相关推荐
- R语言White’s检验实战:检验回归模型中是否存在异方差性(heteroscedasticity)、发生了异常差(heteroscedasticity)问题如何解决
R语言White's检验实战:检验回归模型中是否存在异方差性(heteroscedasticity).发生了异常差(heteroscedasticity)问题如何解决 目录
- R语言Scheffe’s检验进行事后检验(post hoc)实战:单因素方差分析告诉我们并不是所有的群体手段的效果是均等的,确切地找出哪些组彼此不同使用Scheffe’s检验
R语言Scheffe's检验进行事后检验(post hoc)实战:单因素方差分析告诉我们并不是所有的群体手段的效果是均等的,确切地找出哪些组彼此不同使用Scheffe's检验 目录
- R语言【Shapiro-Wilk 检验、chisq.test() 函数、ks.test() 函数】
R语言与大数据编程实战> 学习笔记
- R语言-模型协方差检验anova-模型拟合时没有用同样大小的数据集
笔者在使用R语言进行数据分析的时候,,遇到了这样的问题,同时对模型使用aic准则进行变量筛选的时候遇到了别的问题 这就奇怪了,,,what f....???????????,,,模型建立的时候如果有缺 ...
- spss、R语言、Python数据分析系列(6):R语言adf单位根检验
data<-read.table('C:/Users/HXWD/Desktop/数据/rb.csv',header=TRUE,sep=',') data=data[,5] head(data) ...
- R语言 配对t检验,对子变量到底填在哪?t.test paired=TRUE???
使用本地数据 鸢尾花(yuān wěi huā)做配对t检验 t.test示例 提取两个物种的处理介绍看之前提到的空因子处理 #加载数据和包 data(iris) library(tidyverse) ...
- R语言的t检验(双边)
xa <- c(134, 146, 104, 119, 124, 161, 107, 83, 113, 129, 97, 123) xb <- c(70, 118, 101, 85, 10 ...
- 用R语言做正态分布检验
摘自:吴喜之:<非参数统计>(第二版),中国统计出版社,2006年10月:P164-165 1.ks.test() 例如零假设为N(15,0.2),则ks.test(x," ...
- R语言U统计量检验样本对称性
文章目录 t分布 指数分布 t分布 ###generate data from t distribution Ufun<-function(df=3,n=20,K=
- r语言t检验输出检验统计量_R语言的各种检验
R语言的各种检验 1.W检验(Shapiro–Wilk (夏皮罗–威克尔) W统计量检验) 检验数据是否符合正态分布,R函数:shapiro.test(). 结果含义:当p值小于某个显著性水平α(比如 ...
最新文章
- 从Date类型转为中文字符串
- php遍历父元素,PHP遍历函数将单个数组转换为具有子元素的嵌套数组 – 基于父标识...
- 【Win 10 应用开发】获取本机的IP地址
- 微信小程序wx.request中post请求时data中参数不能传到后台
- 表示我想你的代码java_如何编写可怕的Java代码?
- 深度学习(24)随机梯度下降二: 常见函数的梯度
- 飞鸽传书mayfish 数据入库验证
- java 读取raw文件_Android 读取assets和raw文件内容实例代码
- (60)UART外设驱动发送驱动(五)(第12天)
- VB数组快速排序算法
- python 录制网易云登陆_小白都能看懂:Python爬取网易云音乐下载教程
- C#字节数组转换成字符串
- 计算机地图概括的原理,地图概括
- 2018 百度之星 初赛 第六题 HDU6349
- No module named ‘_ssl‘
- 电脑连接无线路由上不了网 连接手机热点却可以上网
- 云服务器本质是虚拟机,云服务器本质是虚拟机
- Hadoop的脚本语言Pig应用
- 10个用Java谋生非常有趣的方式
- Win10去除快捷方式的小箭头