单个均值（t检验、Wilcoxon符号秩检验） - 前提：数据需满足正态分布，除非数据分布是对称的（如双峰分布）或者样本量较大（>50），在不满足该条件时需进行数据转换。
?t.test
#观测数据
observed <- c(120.6,116.4,117.2,118.1,114.1,116.9,113.3,121.1,116.9,117.0)
#数据正态性检验，满足
shapiro.test(observed)
 #理论值或者期望值
theoretical <- 120
t.test(observed,
mu = theoretical,
conf.int = 0.95)
 - 结果：样本均值（117.16）显著低于理论值（120）, t = -3.6924, df = 9, p-value = 0.004979
- 常规转换不能解决问题时，使用Wilcoxon符号秩检验
?wilcox.test
observed <- c(0.52, 0.20, 0.59, 0.62, 0.60)
shapiro.test(observed)
theoretical <- 0#理论值或者期望值
wilcox.test(observed,mu=theoretical)
 配对样本 只需将上面两个function中的paired参数从FALSE改为TRUE，另加一个与之一一对应的变量：t.test(x1,x2,paired=TRUE)或wilcox.test(x1,x2,paired=TRUE)
两个均值（独立t检验和Mann-Whitney U 检验） - 如果数据不满足正态性，但是满足同分布及方差齐性，建议仍使用 独立样本t检验 ，因为此时该方法对数据的正态性是否满足并不敏感；如果数据也不满足同分布的要求，即使使用Mann-Whitney U 检验也不会比 独立样本t检验 表现更好。所以除非数据确实属于顺序变量而非测量变量，不建议使用。
- 当数据不满足方差齐性且样本量很小（<10）或不相等，建议使用Welch's t–test (also know as Aspin-Welch, Welch-Satterthwaite, Aspin-Welch-Satterthwaite, or Satterthwaite t–test)，该方法不要求方差齐性，但在满足方差齐性时效果不如Student's t–test
- 方法：数据为两列，第一列为分组变量，第二列为对应的观测值
#方法齐性检验
bartlett.test(Value ~ Group, data=Data)
#满足方差齐性时，Two Sample t-test
t.test(Value~Group,data = Data,var.equal=TRUE)
#不满足方法齐性时，Welch Two Sample t-test
t.test(Value~Group,data = Data,var.equal=FALSE)
#Mann-Whitney U 检验
wilcox.test(Value~Group,data = Data)
参考资料： [1].http://www./onesamplettest.html [2].https:///rcompanion/d_01.html
|
