Evvail |
您所在的位置：网站首页 › student t检验和t检验 › Evvail |
Evvail
 三种不同的T-Test介绍2020/7/19 添加评论 t检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著，在数据分析中我们常用T-Test来估算两组数据是否有显著的差异，此处不在赘述t检验基本原理，本文主要介绍几种不同形式的t检验方法。  t检验适用的条件： 已知一个总体均数可得到一个样本均数及该样本标准差样本来自正态或近似正态总体在R语言中，t-test的函数为t.test()，下面简单介绍其参数： # ?t.test查看帮助信息 t.test(x, y = NULL, alternative = c("two.sided", "less", "greater"), mu = 0, paired = FALSE, var.equal = FALSE, conf.level = 0.95, ...) x，y ：为进行检验的数据 alternative：该参数设置假设是单尾还是双尾，默认为双尾检验。 mu：单样本检验时，需要设定的平均值 paired：是否进行配对t-test。 var.equal：方差是否相等 conf.level：显著性水平，默认α=0.05 t检验主要分为以下几种类型： 单样本 t-tests（ one-sample t-tests ）非配对t检验或独立t检验（ unpaired t-test or independent t-test ）：Student’s t-test（方差齐）Welch’s t-test （方差不齐）配对t检验（ paired t-test ）1） 单样本 t-tests 单样本t检验，也称为单参数t检验或单样本t检验，用于比较一个样本的均值与一个已知的标准(或理论/假设)均值。  m = 样本均值 µ = 理论值或总体均值 s = 样本的的标准差 n = 样本大小 分析步骤： 导入数据Q-Q plot查看是否满足正态分布t检验2） 非配对t检验 非配对t检验用于比较两个独立组，非配对t检验又分为方差齐（ Student’s t-test ）和方差不齐（ Welch’s t-test ），这两种方法一般来说有着非常相似的结果，除非两组的数量和标准差有很大的不同。 Student’s t-test：var.equal = TRUE mA 、 mB 是两组的平均值nA 、 nB 是两组的样本数量S2 是两个样本共同方差的估计量 Welch’s t-test：var.equal = FALSE SA 和 SB 分别是A组和B组的标准差Welch’s t-test的自由度估计如下  分析步骤： 导入数据 Q-Q plot查看是否满足正态分布 检查方差齐性方差齐用 Student’s t-test ，方差不齐用 Welch’s t-test3） 配对t检验 配对t检验要求两个样本间必须成对，每一对样本除随机地给予不同处理外，其他实验条件应尽量一致，两样本的容量必定相等。  m = 样本的平均值 µ = 理论值或总体均值 s = 样本的标准差 n = 样本大小 R 中，t.test 中paired = TRUE即可。 本次介绍到此，大家可以根据不同的实验设计、或者数据性质选择合适的方法。 参考资料： 1.https://www.analyticsvidhya.com/blog/2019/05/statistics-t-test-introduction-r-implementation/ 2.https://www.datanovia.com/en/lessons/types-of-t-test/ ×用微信扫描并分享 阅读: 9,277作者：陈浩 版权：本文版权归作者所有 免责声明：本文中使用的部分图片来自于网络或者参考资料，如有侵权，请联系博主：chenhao__@__evvail.com(发件请删除下划线)进行删除 转载注意：除非特别声明，本站点内容均为作者原创文章，转载须以链接形式标明本文链接 本文链接：https://evvail.com/2020/07/19/946.html 数据分析工具 one-sample t-test, paired t-test, Student’s t-test, Welch’s t-test, 不同t检验介绍 上一篇文章 circos绘图-从入门到精通（六）下一篇文章 蛋白质谱研究数据库资源 |
【本文地址】