1. W檢驗(yàn)（Shapiro–Wilk (夏皮羅–威克爾 ) W統(tǒng)計(jì)量檢驗(yàn))

目標(biāo)：檢驗(yàn)數(shù)據(jù)是否符合某正態(tài)分布，如：標(biāo)準(zhǔn)正態(tài)分布N(0,1)
R函數(shù)：shapiro.test().
結(jié)果含義：當(dāng)p值小于某個(gè)顯著性水平α(比如0.05)時(shí)，則認(rèn)為樣本不是來自正態(tài)分布的總體，否則認(rèn)為樣本來自正態(tài)分布的總體。

2. K檢驗(yàn)(經(jīng)驗(yàn)分布的Kolmogorov-Smirnov檢驗(yàn))

目標(biāo)：檢驗(yàn)數(shù)據(jù)的分布是否符合函數(shù)F(x)
R函數(shù):ks.test(),如果P值很小，說明拒絕原假設(shè)，表明數(shù)據(jù)不符合F(n,m)分布。

3. 相關(guān)性檢驗(yàn)：

R函數(shù)：cor.test()

cor.test(x, y,
alternative = c("two.sided", "less", "greater"),
method = c("pearson", "kendall", "spearman"),
exact = NULL, conf.level = 0.95, ...)

結(jié)果含義：如果p值很小，則拒絕原假設(shè)，認(rèn)為x,y是相關(guān)的。否則認(rèn)為是不相關(guān)的。

4. T檢驗(yàn)

目標(biāo)：用于正態(tài)總體均值假設(shè)檢驗(yàn)，單樣本，雙樣本都可以。  
R函數(shù)：t.test()

t.test(x, y = NULL,
alternative = c("two.sided", "less", "greater"),
mu = 0, paired = FALSE, var.equal = FALSE,
conf.level = 0.95, ...)

結(jié)果意義：P值小于顯著性水平時(shí)拒絕原假設(shè)，否則，接受原假設(shè)。具體的假設(shè)要看所選擇的是雙邊假設(shè)還是單邊假設(shè)（又分小于和大于）

5. 正態(tài)總體方差檢驗(yàn)

R函數(shù)：t.test()

t.test(x, y = NULL,
alternative = c("two.sided", "less", "greater"),
mu = 0, paired = FALSE, var.equal = FALSE,
conf.level = 0.95, ...)

結(jié)果意義：P值小于顯著性水平時(shí)拒絕原假設(shè)，否則，接受原假設(shè)。具體的假設(shè)要看所選擇的是雙邊假設(shè)還是單邊假設(shè)（又分小于和大于）

6. 二項(xiàng)分布總體假設(shè)檢驗(yàn)

binom.test(x, n, p = 0.5,
alternative = c("two.sided", "less", "greater"),
conf.level = 0.95)

原假設(shè)：p=p0,p<p0,p<p0 計(jì)算結(jié)果p-值很小，表示拒絕假設(shè)，否則為接受假設(shè).

7. Pearson 擬合優(yōu)度χ2檢驗(yàn)

chisq.test(x, y = NULL, correct = TRUE,
p = rep(1/length(x), length(x)), rescale.p = FALSE,
simulate.p.value = FALSE, B = 2000) 

原假設(shè)H0：X符合F分布。

8. Fisher精確的獨(dú)立檢驗(yàn)：

fisher.test(x, y = NULL, workspace = 200000, hybrid = FALSE,
control = list(), or = 1, alternative = "two.sided",
conf.int = TRUE, conf.level = 0.95)

原假設(shè)：X,Y相關(guān)。

9. McNemar檢驗(yàn)：

mcnemar.test(x, y = NULL, correct = TRUE)

原假設(shè)：兩組數(shù)據(jù)的頻數(shù)沒有區(qū)別。

10. 秩相關(guān)檢驗(yàn)

cor.test(x, y,
alternative = c("two.sided", "less", "greater"),
method = "spearman", conf.level = 0.95, ...)

原假設(shè)：x,y相關(guān).

11. Wilcoxon秩檢驗(yàn)

wilcox.test(x, y = NULL,
alternative = c("two.sided", "less", "greater"),
mu = 0, paired = FALSE, exact = NULL, correct = TRUE,
conf.int = FALSE, conf.level = 0.95, ...)

原假設(shè)：中位數(shù)大于，小于，不等于mu

到此這篇關(guān)于R語言 數(shù)據(jù)檢驗(yàn)的文章就介紹到這了,更多相關(guān)R語言 數(shù)據(jù)檢驗(yàn)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論