Hur man jämför två datasamplar med R-dummies

R ger dig två standardtester för att jämföra två grupper med numeriska data: t-testet med t. test () -funktionen och Wilcoxon-testet med wilcox. test () funktionen. Om du vill använda t. test () -funktionen måste du bland annat kontrollera om båda proven normalt distribueras. För Wilcoxon-testet är detta inte nödvändigt.

Hur man använder Rs Wilcoxon-funktion för onormalt fördelade data

I vissa fall avviker dina data avsevärt från normalitet och du kan inte använda t. test () funktionen. För de fallen har du wilcoxen. test () -funktionen, som du använder på exakt samma sätt som visas i följande exempel: >> wilcox. test (temp ~ aktiv, data = beaver2)

Detta ger dig följande resultat:

Wilcoxon rank-sum test med kontinuitetskorrigeringsdata: temp by activ W = 15, p-värde <2. 2e-16 alternativ hypotes: Sann platsförskjutning är inte lika med 0

Återigen får du värdet för teststatistik (W i detta test) och ett p-värde. Under den informationen läser du den alternativa hypotesen, och det skiljer sig lite från den alternativa hypotesen av ett t-test. Wilcoxon-testet tittar på om mitten av dina data (platsen) skiljer sig mellan båda proven.

Med denna kod utför du Wilcoxon rank-sum test eller Mann-Whitney U test. Båda testen är helt ekvivalenta, så R innehåller inte en separat funktion för Mann-Whitney's U-test.

Hur man använder Rs T-test och Wilcoxon-test för testriktning

Med det grundläggande T-testet och Wilcoxon-testet testar du om proven skiljer sig åt utan att ange på vilket sätt. Statistiker kallar detta ett

tvåsidigt test. Föreställ dig att du inte vill veta om kroppstemperaturen skiljer sig mellan aktiva och inaktiva perioder, men om kroppstemperaturen är lägre under inaktiva perioder.

För att göra detta måste du ange argumentalternativet i antingen t. test () eller wilcox. test () funktionen. Detta argument kan ta tre värden:

Som standard har det värdet "två". sided ', vilket innebär att du vill ha det standard dubbelsidiga testet.

• Om du vill testa om medelvärdet (eller platsen) för den första gruppen är lägre, ger du värdet "mindre".

• Om du vill testa om det betyder större, anger du värdet "större".

• Om du använder formelgränssnittet för dessa test beställs grupperna i samma ordning som nivåerna på den faktor du använder. Du måste ta hänsyn till det för att veta vilken grupp som ses som den första gruppen.Om du ger data för båda grupperna som separata vektorer är den första vektorn den första gruppen.