R语言学习系列26均值的t检验.docVIP

24.均值的T检验 (一)t分布 若样本均数又服从正态分布经过u变换H，可 ax 以变成标准正态分布N(o, I2)，也成为U分布. 实际工作中，由于总体标准差6^未知，用样本标准差代替， 则哿不再服从标鵬分布，而是服从t分布: 其中，S为样本方差，n为样木含量，v为自由度。 S / J~n S / J~n 9 t分布只有一个参数一一自由度v. v— ex□时，t分布无限接近标准 正态分布 t分布的图形 t分布的图形 曰Cja ?隳侧 025 0.20 0.10 0.05 0.025 0.01 0.005 0.0025 0.001 00005 1 双侧 0.50 0.40 020 0.10 0.05 0.02 0.01 0.005 0.002 0001 1 1.000 1.376 3.078 6.314 12.706 31.821 63.657 127.321 318.309 636619 2 0.816 1.061 1.886 2.920 4303 6P65 9^25 14.089 22327 31599 3 0.765 0.978 1.638 2.353 3.182 4.541 5.841 7.453 10215 12924 4 0.741 0.941 1.533 2.132 2.776 3.747 4.604 5.598 7.173 8^10 5 0.727 0.920 1.476 2.015 2571 3365 4.032 4.773 5.893 6369 6 0.718 0.906 1.440 1.943 2.447 3143 3.707 4.317 5208 5959 7 0.711 0.896 1.415 1.895 2365 2.998 3.499 4.029 4.785 5 408 8 0.706 0.889 1397 1.860 2306 2.896 3J55 3.833 4J01 5 041 9 0.703 0.883 1383 1.833 2262 2.821 3250 3.690 4297 4 781 10 0.700 0.879 1372 1.812 2228 2.764 3.169 3.581 4.144 4.587 21 0.686 0.859 1J23 1.721 2.080 2518 2.831 3.135 3327 3519 22 0.686 0.858 1321 1.717 2.074 2508 2.819 3.119 3505 3.792 23 0.685 0.858 1319 1.714 2.069 2500 2.807 3.104 3.485 3 768 24 0.685 0.857 1318 1.711 2.064 2.492 2.797 3.091 3.467 3 745 25 0.684 0.856 1316 1.708 2.060 2.485 2J87 3.078 3.450 3.725 说明： 单侧概率（单侧尾部面积）用表示； 双侧概率（双侧尾部面积）用、表示； 例如，t0.05,10=1.812,则 P（t彡-1.812）=P（t彡 1.812）=0.05 to.o5/2，io=2.228,则 P（t^-2.228）+P（t^2.228）=0.05 （二）t检验 t检验，是一种针对连续变量的参数假设检验，用来检验“单样 本均值与已知均值（单样本t检验）、两独立样本均值（独立样本t 检验）、配对设计资料的均值（配对样本t检验）”是否存在差异， 这种差异是否能推论至总体。 T检验适用于样本含量较小（比如n60,大样本数据可以用U 检验），适用条件: 数据服从正态分布； 满足方差齐性（方差相等）； 注：若数据不满足①，②，可以尝试对数据做变量变换：对数变 换、平方根变换、倒数变换、平方根反正弦变换等。 换、平方根变换、 倒数变换、 平方根反正弦变换等。 方差齐性检验 要求两样本数据的总体均服从正态分布，统计量F为为较大的方 差与较小的方差的比值： Vj = Zlj — 1, v2 = 2 — 1 原假设Ho:两总体方差相等; Hj：两总体方差不相等。 使用car包中的函数leveneTest()实现，基本格式为: leveneTest(y, group, center=, ) ■ eveneTest(formu■ a，data，subset，…) 其中，y为样本数据; group为因子型的分组变量 center指定计算每组的中心的方法，默认是中位数median，也可 以用均值mean formula设置公式格式：formula^定量变量?分组变量 示例： setwd(”E:/办公资料/R语言/R语言学习系列/codes”) load(”chengj i.Rdata”) h