t-Test

这篇博客介绍了如何在R中进行t-Test,包括两个独立样本的均值比较,使用Fisher's F-test检验方差同质性,并通过t-test确定群组均值差异的显著性。通过实例展示了如何计算和解读p-value,以及在方差不齐时如何调整t-test。文章还讨论了t-Test和F-Test在统计学意义和方差分析中的角色。
摘要由CSDN通过智能技术生成

t-Test用来比较两个群组的均值,这里假设两个样本组都随机、独立,并且来自方差未知但相等的正态分布的总体。

这里我们使用和《两个样本的Z-test》中一样的数据,如下:

A: 175, 168, 168, 190, 156, 181, 182, 175, 174, 179
B: 185, 169, 173, 173, 188, 186, 175, 174, 179, 180

为解决这个问题,我们必须使用针对两个样本的Student's t-test,这里假设这两个样本取自符合Gaussian分布的总体(如果我们不能够假设这个条件,我们必须使用称作Wilcoxon-Mann-Whitney test的non-parametric test来解决这个问题)。在进行t-test之前,有必要两个群组的的样本方差,这里使用Fisher's F-test来检验homoskedasticity。在R中你可以照着以下做:

[plain] view plaincopy

  1. a = c(175, 168, 168, 190, 156, 181, 182, 175, 174, 179)  

  2. b = c(185, 169, 173, 173, 188, 186, 175, 174, 179, 180)  

  3.   

  4. var.test(a,b)  

  5.   

  6.      F test to compare two variances  

  7.   

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值