pvrect r语言 聚类_R语言回归分析及相关分析

#两样本问题t检验、方差齐次性检验、分布检验

#相关与回归分析

#例一某种元件的寿命X(小时)，服从正态分布，N(mu,sigma2)，其中mu,sigma2均未知，16只元件的寿命如下：问是否有理由认为元件的平均寿命大于225小时。

#分析：按题意，需检验

#H0： μ ≤ 225 H1: μ > 225

#此问题属于单边检验问题，可以使用R语言t.test

#t.test(x,y=NULL,

alternative=c(“two.sided”,“less”,“greater”),

mu=0,paired=FALSE,var.equal=FALSE,

conf.level=0.95)

#其中x,y构成两向量，(如果只提供x,则作单个正态总体的均值检验，如果提供x,y则作两个总体的均值检验)，

#alternative表示备择假设，two.sided(缺省)，双边检验(H1:μ≠H0),less表示单边检验(H1:μμ0)，

#mu表示原假设μ0，paired表示是否配对样本T检验，conf.level置信水平，即1-α，通常是0.95，var.equal是逻辑变量，var.equal=TRUE表示两样品方差相同，var.equal=FALSE(缺省)表示两样本方差不同。

X

t.test(X, alternative = “greater”, mu = 225)

#可见P值为0.257 > 0.05 ，不能拒绝原假设，接受H0，即平均寿命不大于225小时。

#例二 在平炉上进行的一项试验以确定改变操作方法的建议是否会增加钢的得率，试验时在同一个平炉上进行的，每炼一炉刚时除操作方法外，其它条件都尽可能做到相同，先用标准方法炼一炉，然后用新方法炼一炉，以后交替进行，各炼了10炉，其得率分别为

#标准方法 78.1 72.4 76.2 74.3 77.4 78.4 76.0 75.5 76.7 77.3

#新方法 79.1 81.0 77.3 79.1 80.0 79.1 79.1 77.3 80.2 82.1

#设这两个样本相互独立，且分别来自正态总体N(μ1, σ2)和N(μ2, σ2)，其中μ1，μ2和σ2未知。问新的操作能否提高得率？(取α=0.05)

#分析：根据题意，需要假设

#H0： μ1 ≥ μ2 H1: μ1 < μ2

#这里假定σ12=σ22=σ2，因此选择t.test，var.equal=TRUE

#R代码：

X

Y

t.test(X,Y,var.equal = TRUE,alternative = “less”)

#可见P值<0.05，拒绝原假设，即新的操作能够提高得率。

#因为数据是成对出现的，所以采用成对数据t检验比上述的双样本均值检验更准确。

#所谓成对t检验就是Zi=Xi-Yi，再对Z进行单样本均值检验(与0比较)

X

Y

t.test(X-Y, alternative = “less”)

t.test(X,Y,paired = TRUE,alternative = “less”)

#例二方差相同吗？检验方差是否相同

#H0： σ12 = σ22 H1: σ12 ≠ σ22

#方差检验可以用var.test

#var.test(x, y, ratio = 1,

alternative = c(“two.sided”, “less”, “greater”),

conf.level = 0.95, …)

#x,y是来自两样本数据构成的向量，ratio是方差比的原假设，缺省值为1.alternative是备择假设，two.sided表示双边检验,greater表示单边检验

#R代码：

X

Y

var.test(X,Y)

#可见P值为0.559>0.05，不拒绝原假设，认为两者方差相同

#二项分布的参数检验

#有一批蔬菜种子的平均发芽率p0&