R语言T检验

我们比较的对象是南方和非南方各州，因变量为监禁的概率。一个针对两组的独立样本t检验可以用于检验两个总体的均值相等的假设。这里的假设两组数据是独立的，并且是从正态总体中抽取的。检验的格式为

t.test(y ~ x, data),其中，y是一个数值型变量，x是一个二分变量

> library(MASS)

> t.test(Prob ~ So, data= UScrime)

        Welch Two Sample t-test

data:  Prob by So

t = -3.8954, df = 24.925, p-value = 0.0006506

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

95 percent confidence interval:

-0.03852569 -0.01187439

sample estimates:

mean in group 0 mean in group 1

    0.03851265      0.06371269

> #结果表明：南方各州的非南方各州拥有的监禁概率是显著不同的。其中p=0.000

> library(MASS)

> sapply(UScrime[c("U1","U2")],function(x)(c(mean=mean(x),sd=sd(x))))

          U1      U2

mean 95.46809 33.97872

sd  18.02878  8.44545

---

非独立样本样本t检验的检验假定组间的差异，格式为：

t.test(y1,y2,paried=TRUE)

其中，y1和y2为两个非独立的数值向量

> with(UScrime, t.test(U1, U2, paried=TRUE))

        Welch Two Sample t-test

data:  U1 and U2

t = 21.174, df = 65.261, p-value < 2.2e-16

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

95 percent confidence interval:

55.69010 67.28862

sample estimates:

mean of x mean of y

95.46809  33.97872

> #差异的均值（61.5）足够大，可以保证拒绝年长和年轻男性的平均失业率相同的假设。年轻男性的失业率更高

---

R语言T检验的基本知识到这就结束了，咱们下期再见！O(∩_∩)O哈哈~