R语言_参数检验
2015-08-22 20:46
141 查看
参数检验
正态均值的检验
单样本的均值检验
两样本的均值差异
正态方差的检验
单样本的方差检验
双样本的方差检验
二项分布的总体假设检验
非参数检验
参考资料
群体方差未知,构建t统计量服从自由度为n-1的t分布
例:测的灯泡的寿命服从正态分布,但参数未知。先抽样159 280 101 212 224 379 179 264 222 362 168 250 149 260 485 170。问就这16个数,有没有理由认为灯泡的平均寿命大于225小时?
对于独立样本:
已知双方群体方差,构建z统计量,服从正态分布
不知双方群体方差,但知道方差相等,构造服从n1+n2-2自由度的t统计量,服从t分布
不知双方群体方差,方差也不等(进行方差检验),构造统计量使其近似服从t分布
对于配对样本:
前后做差,再做一个样本的与0的均值检验。
1.皮尔森拟合优度塔防检验。
2.ks检验。
3.列联表数据独立性检验。
4.符号检验。
5.秩统计量。
6.秩相关检验。
7.wilcoxon检验。
正态均值的检验
单样本的均值检验
两样本的均值差异
正态方差的检验
单样本的方差检验
双样本的方差检验
二项分布的总体假设检验
非参数检验
参考资料
参数检验
正态均值的检验
单样本的均值检验
群体方差已知,构造z统计量服从正态分布群体方差未知,构建t统计量服从自由度为n-1的t分布
例:测的灯泡的寿命服从正态分布,但参数未知。先抽样159 280 101 212 224 379 179 264 222 362 168 250 149 260 485 170。问就这16个数,有没有理由认为灯泡的平均寿命大于225小时?
[code]x <- c(159, 280, 101, 212, 224, 379, 179, 264, 222, 362, 168, 250, 149, 260, 485, 170) t.test(x,mu=225,alternative = "greater")
两样本的均值差异
样本分为独立样本和配对样本。对于独立样本:
已知双方群体方差,构建z统计量,服从正态分布
不知双方群体方差,但知道方差相等,构造服从n1+n2-2自由度的t统计量,服从t分布
不知双方群体方差,方差也不等(进行方差检验),构造统计量使其近似服从t分布
对于配对样本:
前后做差,再做一个样本的与0的均值检验。
[code]#备选假设Ux-Uy<0 #两组独立样本,分别来自两个正态总体,同一个炉子方差相等。 #方差相等,构造服从n1+n2-2自由度的t统计量,服从t分布 x <- c(78.1,72.4,76.2,74.3,77.4,78.4,76.0,75.5,76.7,77.3) y <- c(79.1,81.0,77.3,79.1,80.0,79.1,79.1,77.3,80.2,82.1) var.test(x,y) t.test(x,y,var.equal = T,alternative = "less") #两组配对的检验 t.test(x-y,alternative = "less")
正态方差的检验
单样本的方差检验
可以构造卡方分布。但是均值已知的情况下自由度为n,未知时自由度为n-1。[code]#小学生的身高 x <- c(136,144,143,157,137,159,135,158,147,165,158,142,159,150,156,152,140,149,148,155) #计算p值的函数。 cdf为构造的分布,x为分布的参数,side=-1 备择假设less,0双侧检验,1备择假设greater pValue <- function(cdf, x, paramet=numeric(0), side=0){ n <- length(paramet) P <- switch(n+1, cdf(x), cdf(x, paramet),cdf(x, paramet[1], paramet[2]), cdf(x, paramet[1], paramet[2], paramet[3]) ) if(side<0){ P }else if(side>0){ 1-P }else{ if(P<1/2){ 2*P }else{ 2*(1-P) } } } #单组方差检定 myVar.testP <- function(x, sigma2=1, mu=Inf, side=0){ n <- length(x) if(mu<Inf){ S2 <- sum((x-mu)^2)/n; df=n }else{ S2 <- var(x); df=n-1 } chi2 <- df*S2/sigma2 P <- pValue(pchisq, chi2, paramet=df, side=side) data.frame(var=S2, df=df, chisq2=chi2, P_value=P) } myVar.testP(x,sigma2=75) myVar.testP(x,sigma2=75,mu=149)
双样本的方差检验
无论均值μ\mu是否知道,都可以构建是的统计量服从F分布。[code]#比较两个总体方差是否一致 x <- c(78.1,72.4,76.2,74.3,77.4,78.4,76.0,75.5,76.7,77.3) y <- c(79.1,81.0,77.3,79.1,80.0,79.1,79.1,77.3,80.2,82.1) var.test(x,y)
二项分布的总体假设检验
[code]#例:某蔬菜种子的发芽率为p=0.85. 现随机抽取500粒种子, #用药水处理一下,然后测的发芽的种子数为445粒。 #请问药水有没有提高发芽率的作用。 #p值很小,接受对立假说,有好的作用 #95%的置信区间不包括0.85 binom.test(445,500,p=0.85, alternative="greater")
非参数检验
详见:1.皮尔森拟合优度塔防检验。
2.ks检验。
3.列联表数据独立性检验。
4.符号检验。
5.秩统计量。
6.秩相关检验。
7.wilcoxon检验。
参考资料
R语言假说检验笔记相关文章推荐
- [UVA 10054]The Necklace[欧拉回路][打印路径]
- 关于win7 下delphi7出现重新注册,无法打开的故障解决办法
- 判断两个IP是否属于同一子网
- 学习tcl的几个好网络连接
- Winform 分页
- 数据库调优的方法有那些
- javaScript简介
- LeetCode[85]::Maximal Rectangle C++
- NOIP 2005 过河
- poj3258 哈夫曼树 优先队列
- android studio 快捷键
- XMPP的android下的登陆,注册等:
- 一个人如何完成一整个网站的开发(推荐好文,看完绝对让你回味无穷)
- objc的单例模式(ARC环境下)
- 文章标题
- 自适应网页设计
- c++与Tcl通过管道通信,并传递参数,获取测试仪实时测试进度
- USBDM BDM Interface for Freescale Microcontroller -- Hardware
- 存储过程新方法萌芽 *——*
- hdoj1754 I Hate It【线段树区间最大值维护+单点更新】