1. W检验(Shapiro–Wilk (夏皮罗–威克尔 ) W统计量检验)
目标:检验数据是否符合某正态分布,如:标准正态分布N(0,1)
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,否则认为样本来自正态分布的总体。
2. K检验(经验分布的Kolmogorov-Smirnov检验)
目标:检验数据的分布是否符合函数F(x)
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
目标:用于正态总体均值假设检验,单样本,双样本都可以。
R函数:t.test()
t.test(x, y =