t检验

前提：正态性假设检验

1.画QQplot

library(car)
 
#QQ-plot
qqPlot(lm(value~group, data = richness_12), simulate = TRUE, main = 'QQ Plot', labels = FALSE)

 2.Shapiro-Wilk检验

我们还可使用Shapiro-Wilk检验验证数据分布的正态性，它类似于线性回归的方法，是检验其于回归曲线的残差。R中提供了可用于执行Shapiro-Wilk检验的函数shapiro.test()，通过所得p值即可轻松地判断数据分布的正态性。该检验原假设（或称零假设）为数据集符合正态分布，通常情况下若通过Shapiro-Wilk检验得到p值小于0.05，则拒绝原假设，数据分布不符合正态性；反之接受原假设。要两组都要大于0.05，才拒绝原假设，符合正态性。

> shapiro <- tapply(f$年龄, f$label, shapiro.test)
> shapiro
$NS

	Shapiro-Wilk normality test

data:  X[[i]]
W = 0.93488, p-value = 0.0003652


$OR

	Shapiro-Wilk normality test

data:  X[[i]]
W = 0.96174, p-value = 0.03321

> shapiro$NS$p.value
[1] 0.0003652331
> shapiro$OR$p.value
[1] 0.03321113