这篇文章主要介绍了R语言如何实现T检验,具有一定借鉴价值,感兴趣的朋友可以参考下,希望大家阅读完这篇文章之后大有收获,下面让小编带着大家一起了解一下。
创新互联服务项目包括于田网站建设、于田网站制作、于田网页制作以及于田网络营销策划等。多年来,我们专注于互联网行业,利用自身积累的技术优势、行业经验、深度合作伙伴关系等,向广大中小型企业、政府机构等提供互联网行业的解决方案,于田网站推广取得了明显的社会效益与经济效益。目前,我们服务的客户以成都为中心已经辐射到于田省份的部分城市,未来相信会继续扩大服务区域并继续获得客户的支持与信任!
T检验是用来检验两组数据之间均值是否有差异的一种方法,比如下面我们用到的数据包括20个男生和20个女生的体重数据。
试验设计是自然群体下(人们正常生活,没有可以控制自己的体重)探究
男生和女生之间的体重是否有差异? 或者男生的体重是否大于女生? 再或者男生的体重是否小于女生?
于是在理想的群体中随机抽取20个男生和20个女生测量体重,记录数据。
这时候的统计检验方法就可以选择T检验。
示例数据集来自datarium
包的genderweight
加载数据data('genderweight',package='datarium')
查看数据前六行head(genderweight)
数据集是一个数据框,将男生和女生的数据拆分成两个向量
library(dplyr)
women_weight <- genderweight %>%
filter(group == "F") %>%
pull(weight)
women_weight
men_weight <- genderweight %>%
filter(group == "M") %>%
pull(weight)
men_weight
这里我新学到的函数是pull()
,作用是用管道符把数据传递给他然后指定列名就直接转换成向量了。
如果要检验均值是否相等
t.test(women_weight,men_weight)
输出结果是
Welch Two Sample t-test
data: women_weight and men_weight
t = -20.791, df = 26.872, p-value < 2.2e-16
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-24.53135 -20.12353
sample estimates:
mean of x mean of y
63.49867 85.82612
t检验的零假设是两组数据均值相等,结果中p-value小于0.05,拒绝原假设,接受备择假设alternative hypothesis,备择假设是true difference in means is not equal to 0,翻译过来就是平均值差异不等于0,就是均值有差异。 这个做的是Welch Two Sample t-test
,如果要做学生式T检验,可以在t.test()
函数里加var.equal=T
参数
> t.test(women_weight,men_weight,var.equal=T)
Two Sample t-test
data: women_weight and men_weight
t = -20.791, df = 38, p-value < 2.2e-16
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-24.50140 -20.15349
sample estimates:
mean of x mean of y
63.49867 85.82612
如果要看男生体重是否比女生大,需要加alternative
参数
t.test(men_weight,women_weight,var.equal=T,alternative = "greater")
男生的数据放第一个参数,女生的数据方第二个参数,alternative = "greater"
是指备择假设是男生体重大于女生,对应的零假设就是男生体重不大于女生。 结果
Two Sample t-test
data: men_weight and women_weight
t = 20.791, df = 38, p-value < 2.2e-16
alternative hypothesis: true difference in means is greater than 0
95 percent confidence interval:
20.51693 Inf
sample estimates:
mean of x mean of y
85.82612 63.49867
p-value小于0.05拒绝原假设,所以结论就是男生体重大于女生
接下来是结果展示,T检验的结果通常可以用箱线图来展示
library(ggplot2)
ggplot(genderweight,aes(x=group,y=weight))+
geom_boxplot(aes(fill=group))+
geom_jitter(aes(color=group))+
geom_segment(aes(x=1,xend=1,y=70,yend=100))+
geom_segment(aes(x=2,xend=2,y=96,yend=100))+
geom_segment(aes(x=1,xend=2,y=100,yend=100))+
annotate('text',x=1.5,y=102,label="p-value< 2.2e-16")+
theme_bw()
感谢你能够认真阅读完这篇文章,希望小编分享的“R语言如何实现T检验”这篇文章对大家有帮助,同时也希望大家多多支持创新互联,关注创新互联行业资讯频道,更多相关知识等着你来学习!
网站栏目:R语言如何实现T检验
标题URL:http://lswzjz.com/article/ppdeie.html