【R】均值假设检验

?





1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

p_value<-function(cdf,x,parament=numeric(0),side=0)

{

n<-length(parament)

p<-switch(n+1,

cdf(x),

cdf(x,parament),

cdf(x,parament[1],parament[2]),

cdf(x,parament[1],parament[2],parament[3])

)

if(side<0) p

else
if (side>0) 1-p

else

    if(p<0.5) 2*p

    else
2*(1-p)

}

mean.test1<-function(x,mu=0,sigma=-1,side=0)

{

n<-length(x)

xb<-mean(x)

if(sigma>0)

{

z<-(xb-mu)/(sigma/sqrt(n))

p<-p_value(pnorm,z,side=side)

data.frame(mean=xb,df=n,Z=z,p_value=p)

}

else

{

t<-(xb-mu)/(sd(x)/sqrt(n))

p<-p_value(pt,t,parament=n-1,side=side)

data.frame(mean=xb,df=n-1,T=t,p_value=p)

}

}

  

时间: 2024-11-05 16:05:19

【R】均值假设检验的相关文章

R语言假设检验实例整理

一.正态分布参数检验 例1. 某种原件的寿命X(以小时计)服从正态分布N(μ, σ)其中μ, σ2均未知.现测得16只元件的寿命如下: 159 280 101 212 224 379 179 264                  222 362 168 250 149 260 485 170 问是否有理由认为元件的平均寿命大于255小时? 解: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=N

【数据分析 R语言实战】学习笔记 第七章 假设检验及R实现

假设检验及R实现 7.1假设检验概述 对总体参数的具体数值所作的陈述,称为假设;再利用样本信息判断假设足否成立,这整个过程称为假设检验. 7.1.1理论依据 假设检验之所以可行,其理沦背景是小概率理论.小概率事件在一次试验中儿乎是不可能发生的,但是它一以发生,我们就有理由拒绝原假设:反之,小概率事件没有发生,则认为原假设是合理的.这个小概率的标准由研究者事先确定,即以所谓的显著性水平α(0<α<1)作为小概率的界限,α的取值与实际问题的性质相关,通常我们取α=0.1, 0.05或0.01,假设

使用R语言计算均值,方差等

R语言对于数值计算很方便,最近用到了计算方差,标准差的功能,特记录. 数据准备 height <- c(6.00, 5.92, 5.58, 5.92) 1 计算均值 mean(height) [1] 5.855 2 计算中位数 median(height) [1] 5.92 3 计算标准差 sd(height) [1] 0.1871719 4 计算方差 var(height) [1] 0.03503333 5 计算两个变量之间的相关系数 cor(height,log(height)) [1] 0

基于R语言的数据分析和挖掘方法总结——均值检验

2.1 单组样本均值t检验(One-sample t-test) 2.1.1 方法简介 t检验,又称学生t(student t)检验,是由英国统计学家戈斯特(William Sealy Gosset, 1876-1937)所提出,student则是他的笔名.t检验是一种检验总体均值的统计方法,当数据中仅含单组样本且样本数较大时(通常样本个数≧30的样本可视为样本数较大),可用这种方法来检验总体均值是否大于.小于或等于某一特定数值.当数据中仅含单组样本但样本数较小时(通常样本个数<30的样本可视为

R语言 模糊c均值(FCM)算法程序(转)

FCM <- function(x, K, mybeta = 2, nstart = 1, iter_max = 100, eps = 1e-06) { ## FCM ## INPUTS ## x: input matrix n*d, n d-dim samples ## K: number of desired clusters ## Optional : ## mybeta : beta, exponent for u (defaut 2). ## nstart: how many rand

我的R之路:参数假设检验

1 介绍 假设检验是用来判断样本与样本,样本与总体的差异是由抽样误差引起还是本质差别造成的统计判断方法. 其基本原理先对总体特征作出某种假设,然后通过抽样研究的统计推理,对此假设应该被拒绝还是接受作出推断. 可分为参数假设检验和非参数假设检验,接下来让我们具体介绍参数假设检验. 2 假设检验的思想与步骤 2.2基本思想 基本思想就是小概率反正法思想.

R语言-均值,标准差,相关度

1 > plot(x) 2 > age<-c(1,3,5,2,11,9,3,9,12,3) 3 > weight<-c(4.4,5.3,7.2,5.2,8.5,7.3,6.0,10.4,10.2,6.1) 4 > mean(weight) 5 [1] 7.06 6 > sd(weight) 7 [1] 2.077498 8 > cor(age,weight) 9 [1] 0.9075655 10 > plot(age,weight)

R语言实战(五)方差分析与功效分析

本文对应<R语言实战>第9章:方差分析:第10章:功效分析 ==================================================================== 方差分析: 回归分析是通过量化的预测变量来预测量化的响应变量,而解释变量里含有名义型或有序型因子变量时,我们关注的重点通常会从预测转向组别差异的分析,这种分析方法就是方差分析(ANOVA).因变量不只一个时,称为多元方差分析(MANOVA).有协变量时,称为协方差分析(ANCOVA)或多元协方差分析

【数据分析 R语言实战】学习笔记 第六章 参数估计与R实现(下)

6.3两正态总体的区间估计 (1)两个总体的方差已知 在R中编写计算置信区间的函数twosample.ci()如下,输入参数为样本x, y,置信度α和两个样本的标准差. > twosample.ci=function(x,y,alpha,sigma1,sigma2){ + n1=length(x);n2=length(y) + xbar=mean(x)-mean(y) + z=qnorm(1-alpha/2)*sqrt(sigma1^2/n1+sigma2^2/n2) + c(xbar-z,xb