机器学习笔记之R语言6（抽样和假设检测（t检测1））

抽样和假设检测（t检测之单样本T检测)

抽样

抽样函数sample

举例：

> x=1:12
#sample函数从x中随机抽出12个数
> sample(x)
 [1]  3  1  2  6 10 11  8  9  4  5 12  7
#replace表示抽取的数字是否可以重复，true为可以重复(抽样可以放回)
> sample(x,replace=TRUE)
 [1] 12 11  7 12  3  3 10  5  2  2  6  9
#replace=false表示抽取的数字不能重复(抽样不可以放回)
> sample(x,replace=FALSE)
 [1]  5  8  3  1  2  4  9  6 10 11 12  7
#z向量0,1中随机抽取100个数字，可以重复
> sample(c(0,1),100,replace=TRUE)
  [1] 0 0 1 1 1 0 1 1 0 0 0 1 1 1 1 1 1 1 0 0 1 0 1 1 1 0 1 0 0
 [30] 1 1 1 1 1 0 0 1 0 1 1 0 1 0 1 0 0 1 1 1 1 1 1 1 0 0 1 1 1
 [59] 1 1 1 0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 1 1 1 1 1 0 1 1 1 0 1
 [88] 0 0 0 1 0 1 0 0 0 1 1 0 1
 #1e1?表示1*10^1=10，e是科学计数法符号
 > dic1=sample(1:2,1e1,replace=T)
> dic1
 [1] 2 1 1 1 1 2 1 1 2 2
> 

-计算三个骰子点数和的分布

> dic1=sample(1:6,1e6,replace=T)
> dic2=sample(1:6,1e6,replace=T)
> dic3=sample(1:6,1e6,replace=T)
> dicsum=dic1+dic2+dic3
> table(dicsum)
dicsum
     3      4      5      6      7      8 
  4695  13969  27655  46168  69345  96533 
     9     10     11     12     13     14 
116107 124696 125944 115861  97051  69391 
    15     16     17     18 
 46151  27887  14009   4538 
> mean(dicsum==3)
[1] 0.004695
#barplot 函数用于绘制柱状图
> barplot(table(dicsum))

从一个分布中抽样

正太分布

#100个均值为0，方差为10的随机数
> rnorm(100,0,10)
  [1]   5.91258263   4.60607828  -2.53421708
  [4]   8.29726071   0.63896198 -14.06398260
  [7]  -1.18781085  -6.59500046   4.07381222
    .....                      ....               .......

t分布

#100个自由度为3的随机数
> rt(100,df=3)
  [1]  0.47765937 -0.23718475  1.33055857
  [4]  2.31754129  2.97899007 -0.80741669
  [7]  0.54888585  0.50405830  2.39647974
     .....                      ....               .......

均匀分布

#100个在-10到10之间的随机数
> runif(100,-10,10)
  [1]  4.6019036 -2.3467617  8.1311114
  [4]  8.0048959  5.3545532 -7.6249559
  [7]  4.1327952 -5.2932179  6.0708005
    .....                      ....               .......

在均匀分布中多次抽样，样本均值的分布如何？

#设置种子相当于设置定向抽样
> set.seed(123)
#由于前面设置了种子，所以x每次所抽到的随机数是一样的。
> x=runif(n=1e4,0,10)
#每次结果的平均值是不变的
> mean(x)
[1] 4.975494
#每次的标准差也是不变的。
> sd(x)
[1] 2.866937
> 

接下来我们进入昨天交代的关键内容

假设检验

检验某个假设步骤：
1. - 原假设H0 ，- 备选假设H1
——— 通常情况下，H0是假设相等的。
2.输出：
-p>0.05:H0
-p<0.05:H1
T检验
-单样本T检测
Wage数据中大学学历的收入是100？

> View(Wage)

如上图，红圈内是 学历，黑圈内是薪水
我们取4.College Grad作为大学学历

#取包
> library(ISLR)
#取数据集
> data(Wage)
#取Wage数据集中的'wage'子串
> x=subset(Wage,education=='4. College Grad',select='wage')
#t检验,miu为均值参数，即原假设中设定的参数alternative='greater'是对立假设是大于号
> t.test(x,miu=100,alternative='greater')

    One Sample t-test

data:  x
t = 79.064, df = 684, p-value < 2.2e-16
alternative hypothesis: true mean is greater than 0
#95%置信水平落在[121.8358,Inf]置信区间内
#且上面的0（对立假设）并不在置信区间内
95 percent confidence interval:
 121.8358      Inf
sample estimates:
mean of x 
 124.4279 

以上p值<0.05,拒绝原假设，说明大学学历的收入并不是100。

今天就先到这里吧，我们明天继续讲解哈~