的单侧t检验_R|t检验学习笔记

对于计量资料，临床医学研究中常用的统计分析方法是t检验；而对于计数资料，卡方检验是一个常用的统计分析方法。卡方检验基本原理是通过χ2值的大小来检验观测值(observed value, O)与理论值(expected value, E)之间的偏离程度。

t检验适用条件

1、样本量较小(其实不需要：http://blog.sina.com.cn/s/blog_4a5c956b0100rj7g.html)

2、正态分布(若不是，采用Wilcoxon检验)

如何判断是否为正态分布？

1、画直方图，如果呈倒钟型，则为正态分布

hist(data)

2、画QQ图，观察形状是否是一条连接主对角线的线，若是，那便是接近正态分布

qqnorm(data)

3、shapiro.test
这种检验方式适合于样本量比较小(N<20)的时候使用，原假设：样本取自正态分布的母体，如果 p-value大于0.05则无足够理由拒绝原假设，即为正态分布

shapiro.test(data)

R语言 t.test()参数解释

参数	释义
x	唯一的必选参数，一个数值型非空向量，若为单样本检验，那么这里就是那个样本；若为双样本检验，这里就是样本之一
y	可选参数，单样本检验时可以为空，双样本检验时是样本之一
alternative	"two.sided"双侧检验，“greater”和“less”都是单侧检验，“greater”是右侧，“less”是左侧
mu	单样本检验的时候是样本均值，双样本检验的时候是样本均值之差，默认值=0
spaired	是否为配对t检验，TRUE为配对t检验
var.equal	是否将两个样本的方差视为相等，一般来说如果不能很确定会相等，这里就设置为FALSE，默认值为FALSE。因此该函数默认地调用Welch t检验方法而不是student t检验。
conf.level	置信度，e.g. 0.95

单样本t检验

https://zhuanlan.zhihu.com/p/150145802

已知总体均值、样本均值与标准差，检验某个样本的平均值是否等于目标值；

例：某游戏二次元属性用户的人均在线时长是否高于全体用户的均值200分钟?

t.test(data,mu=200) #mu表示的是平均数，p-value > 0.05，则没有足够理由拒绝原假设，此处原假设为该游戏二次元属性用户的人均在线与全体用户无差

两独立样本t检验

https://zhuanlan.zhihu.com/p/150479876

检验两个样本(来自同一个总体)的平均值是否有显著性差异；

例：ABtest的两个游戏用户样本人均在线时长是否有明显差异?

t.test(y1,y2)# p-value > 0.05，则没有足够理由拒绝原假设

两配对样本t检验

https://zhuanlan.zhihu.com/p/150923798

检验一个样本条件改变前后变化是否有显著性差异；

例：某次游戏活动前后，二次元属性玩家的人均在线时长是否有显著性差异？

t.test(y1,y2,paired=TRUE)# p-value > 0.05，则没有足够理由拒绝原假设