r语言t检验输出检验统计量_R语言：常用统计检验

统计检验是将抽样结果和抽样分布相对照而作出判断的工作。主要分5个步骤：

建立假设

求抽样分布

选择显著性水平和否定域

计算检验统计量

判定 —— 百度百科

假设检验(hypothesis test)亦称显著性检验(significant test)，是统计推断的另一重要内容，其目的是比较总体参数之间有无差别。假设检验的实质是判断观察到的“差别”是由抽样误差引起还是总体上的不同，目的是评价两种不同处理引起效应不同的证据有多强，这种证据的强度用概率P来度量和表示。除t分布外，针对不同的资料还有其他各种检验统计量及分布，如F分布、X2分布等，应用这些分布对不同类型的数据进行假设检验的步骤相同，其差别仅仅是需要计算的检验统计量不同。

正态总体均值的假设检验

t检验

t.test() => Student's t-Test

require(graphics)

t.test(1:10, y = c(7:20)) # P = .00001855

t.test(1:10, y = c(7:20, 200)) # P = .1245 -- 不在显著

## 经典案例: 学生犯困数据

plot(extra ~ group, data = sleep)

## 传统表达式

with(sleep, t.test(extra[group == 1], extra[group == 2]))

Welch Two Sample t-test

data: extra[group == 1] and extra[group == 2]

t = -1.8608, df = 17.776, p-value = 0.07939

alternative hypothesis: true difference in means is not equal to 0

95 percent confidence interval:

-3.3654832 0.2054832

sample estimates:

mean of x mean of y

0.75 2.33

## 公式形式

t.test(extra ~ group, data = sleep)

Welch Two Sample t-test

data: extra by group

t = -1.8608, df = 17.776, p-value = 0.07939<