假设检验-两服从正态分布的独立总体均值检验

最新推荐文章于 2024-02-11 00:17:16 发布

风风雨雨中寻觅

最新推荐文章于 2024-02-11 00:17:16 发布

阅读量1.6w

点赞数 2

分类专栏： R 数学理论文章标签：配对样本t检验 t检验独立样本t检验假设检验

本文链接：https://blog.csdn.net/qq_38984677/article/details/82178455

版权

R 同时被 2 个专栏收录

57 篇文章

订阅专栏

数学理论

19 篇文章

订阅专栏

传送：随机变量概率分布函数汇总-离散型分布+连续型分布

关注的结果变量为连续型组间比较(两组数据必须是独立的)，并假设其呈现正态分布。首先判断是否为正态分布qqnorm(x1);qqline(x1)

传送：假设检验-KS检验

传送：假设检验-W检验

传送：假设检验-单样本t检验

假设条件：X,Y是两个独立的正态总体， $X-N(\mu _{1},\sigma _{1}^{2}),Y-N(\mu _{2},\sigma _{2}^{2})$ ，X1,X2...Xn是来自X的样本，Y1,Y2...Yn是来自Y的样本。样本的均值分别是 $\bar{X},\bar{Y}$ ，方差分别为 $S_{1}^{2},S_{2}^{2}$

一、两正态总体方差均已知

当两个正态总体方差均已知时，在原假设 $\mu _{1}=\mu _{2}$ 条件下，构造服从正态分布的检验统计量

双侧检验的拒绝域为 $|Z|\geq Z_{\alpha /2}$ ，单侧检验的拒绝域为 $Z\geq Z_{\alpha }$ 或 $Z\leq- Z_{\alpha}$

	z.test2=function(x,y,sigma1,sigma2,alternative="two.sided"){
	n1=length(x);n2=length(y)
	result=list()
	mean=mean(x)-mean(y)
	z=mean/sqrt(sigma1^2/n1+sigma2^2/n2)	#构造z统计量
	options(digits=4)
	result$mean=mean;result$z=z
	result$P=2*pnorm(abs(z),lower.tail=FALSE)	#计算落入拒绝域的概率
	#单侧检验-重新计算P值
	if (alternative="greater")	#H0:µ1≤µ2,H1:µ1>µ2
    result$P=pnorm(z)    #参考[两正态总体方差未知但相等]的统计量表达式理解
	else if (alternative="less") result$P=pnorm(z,lower.tail=FALSE)
	result
	}

二、两正态总体方差未知但相等

当原假设为真时，构造服从t分布的检验统计量

双侧检验的拒绝域是 $|T|\geq t_{\alpha /2}(n_{1}+n_{2}-2)$ ，单侧检验的拒绝域是 $T\geq t_{\alpha}(n_{1}+n_{2}-2)$ 或者 $T\leq - t_{\alpha}(n_{1}+n_{2}-2)$

t.test(x1,x2,var.equal=T,conf.level=0.95)	#默认条件下是方差不相等
t.test(y~x,data)	#x为一个二分变量

三、两正态总体方差未知且不等

根据样本方差，构造服从t分布的检验统计量

双侧检验的拒绝域是 $|T|\geq t_{\alpha /2}(\nu )$ ，单侧检验的拒绝域是 $T\geq t_{\alpha}(\nu )$ 或者 $T\leq - t_{\alpha}(\nu )$

t.test(x1,x2,var.equal=F,conf.level=0.95)

四、配对样本t检验

X1,X2..Xn是X的样本，Y1,Y2..Yn是Y的样本，令 $Z_{i}=X_{i}-Y_{i} (i=1,2,3,...)$ ，记 $\mu =\mu _{1}-\mu _{2}$ ， $\sigma ^{2}=\sigma _{1}^{2}+\sigma _{2}^{2}$ ，则Z1,Z2,...Zn服从正态分布总体 $Z-N(\mu ,\sigma ^{2})$ ，构造统计量

t.test(before,after,paired=TRUE) #非独立样本的t检验组间的差异呈现正态分布