在 R 中使用 T 统计量进行单面假设检验？答案

【问题标题】：One-Sided Hypothesis Test with T-Statistic in R?在 R 中使用 T 统计量进行单面假设检验？
【发布时间】：2012-11-28 11:41:55
【问题描述】：

我想在 R 中使用 t 统计量检验以下假设并计算 p 值：

零假设：mu

替代：mu > 50

data = c(52.7, 53.9, 41.7, 71.5, 47.6, 55.1,
       62.2, 56.5, 33.4, 61.8, 54.3, 50.0, 
       45.3, 63.4, 53.9, 65.5, 66.6, 70.0,
       52.4, 38.6, 46.1, 44.4, 60.7, 56.4);

这应该很容易，但我不知道该怎么做。感谢您的帮助！

【问题讨论】：

更严重的是，请查看statmethods.net 了解 R 中的一些基本统计信息。特别是 statmethods.net/stats/ttest.html 的第四个示例。
+1 用于 LMGTFY 参考 @SachaEpskamp
我意识到这应该很容易，但是我找到的示例和上面列出的站点都是针对 Ho: mu=50，而我需要 mu
查看?t.test 并确保阅读x、mu 和alternative 的参数...

标签： r testing statistics normal-distribution

【解决方案1】：

如果您的H0 等于：mu<=50，则正确的命令是：

t.test(data, mu=50, alternative = 'greater')

使用alternative 定义H1。因此它是：H1: mu > 50。输出显示p.value、平均值和t-value。而已。

【讨论】：

【解决方案2】：

如果问题中的给定条件是正确的，那么我们使用单面测试。即

t.test(data, alternative= "greater", mu=50) output = One Sample t-test

数据：

data t = 2.1562, df = 23, p-value = 0.02088

另一种假设：真实均值大于 50 95% 置信区间： 50.88892Inf 样本估计： x的平均值

54.33333

结论是在这个 p 值小于 0.05 ，所以我们拒绝零假设。如果在替代假设中不等于 100，那么我们使用替代 =“two.side”。一切都取决于条件，有时问题已经或多或少地提到了。

【讨论】：