假设检验
1. 概述
假设检验是统计学中的一个重要工具，用于判断样本数据是否支持某个假设。它通常涉及两个假设：零假设（H0）和备择假设（H1）。零假设通常表示没有效应或差异，而备择假设表示存在效应或差异。
2. 基本概念
2.1 零假设（H0）
零假设通常表示没有效应或差异。例如，在药物疗效研究中，零假设可能是“药物对患者没有疗效”。
2.2 备择假设（H1）
备择假设通常表示存在效应或差异。例如，在药物疗效研究中，备择假设可能是“药物对患者有疗效”。
2.3 显著性水平（α）
显著性水平是拒绝零假设的阈值，通常设定为0.05。如果检验统计量的p值小于显著性水平，则拒绝零假设。
2.4 p值
p值是观察到的数据在零假设为真时出现的概率。如果p值小于显著性水平，则拒绝零假设。
3. 假设检验的步骤
3.1 提出假设
- 零假设（H0）：药物对患者没有疗效。
- 备择假设（H1）：药物对患者有疗效。
3.2 选择检验方法
根据数据的性质选择适当的检验方法，例如t检验、卡方检验等。
3.3 计算检验统计量
根据选择的检验方法计算检验统计量。
3.4 计算p值
根据检验统计量计算p值。
3.5 做出决策
如果p值小于显著性水平（通常为0.05），则拒绝零假设，认为备择假设成立。
4. R语言中的假设检验
4.1 t检验
t检验用于比较两个样本的均值是否存在显著差异。
# 示例数据
group1 <- c(1, 2, 3, 4, 5)
group2 <- c(2, 4, 6, 8, 10)
# 执行t检验
result <- t.test(group1, group2)
# 输出结果
print(result)
4.2 卡方检验
卡方检验用于检验两个分类变量之间的独立性。
# 示例数据
observed <- matrix(c(10, 20, 30, 40), nrow = 2)
# 执行卡方检验
result <- chisq.test(observed)
# 输出结果
print(result)
5. 实践练习
5.1 练习1：t检验
假设你有两个样本数据，分别表示两种不同药物的疗效评分。请使用t检验判断这两种药物的疗效是否有显著差异。
# 样本数据
drugA <- c(4, 5, 6, 7, 8)
drugB <- c(3, 5, 7, 9, 11)
# 执行t检验
result <- t.test(drugA, drugB)
# 输出结果
print(result)
5.2 练习2：卡方检验
假设你有一个2x2的列联表，表示吸烟与肺癌的关系。请使用卡方检验判断吸烟与肺癌是否独立。
# 列联表数据
observed <- matrix(c(100, 50, 20, 30), nrow = 2)
# 执行卡方检验
result <- chisq.test(observed)
# 输出结果
print(result)
6. 总结
假设检验是统计学中的一个重要工具，用于判断样本数据是否支持某个假设。通过本教程，你应该掌握了假设检验的基本概念、步骤以及如何在R语言中进行t检验和卡方检验。希望你能通过实践练习进一步巩固这些知识。