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 ...

R语言系列学习(各种检验)

R语言系列学习(各种检验)相关推荐

最新文章

热门文章