R语言的各种检验

R语言的各种检验1、W检验（Shapiro–Wilk(夏皮罗–威克尔)W统计量检验)检验数据是否符合正态分布，R函数：shapiro.test().结果含义：当p值小于某个显著性水平α(比如0.05)时，则认为样本不是来自正态分布的总体，否则则承认样本来自正态分布的总体。2、K检验(经验分布的Kolmogorov-Smirnov检验)R函数:ks.test(),如果P值很小，说明拒绝原假设，表明数据不符合F(n,m)分布。3、相关性检验：R函数：cor.test()cor.test(x,y,alternative=c(two.sided,less,greater),method=c(pearson,kendall,spearman),exact=NULL,conf.level=0.95,...)结果含义：如果p值很小，则拒绝原假设，认为x,y是相关的。否则认为是不相关的。4、T检验用于正态总体均值假设检验，单样本，双样本都可以。t.test()t.test(x,y=NULL,alternative=c(two.sided,less,greater),mu=0,paired=FALSE,var.equal=FALSE,conf.level=0.95,...)结果意义：P值小于显著性水平时拒绝原假设，否则，接受原假设。具体的假设要看所选择的是双边假设还是单边假设（又分小于和大于）5、正态总体方差检验t.test(x,y=NULL,alternative=c(two.sided,less,greater),mu=0,paired=FALSE,var.equal=FALSE,conf.level=0.95,...)结果含义：P值小于显著性水平时拒绝原假设，否则，接受原假设。具体的假设要看所选择的是双边假设还是单边假设（又分小于和大于）6、二项分布总体假设检验binom.test(x,n,p=0.5,alternative=c(two.sided,less,greater),conf.level=0.95)原假设：p=p0,p7、Pearson拟合优度χ2检验chisq.test(x,y=NULL,correct=TRUE,p=rep(1/length(x),length(x)),rescale.p=FALSE,simulate.p.value=FALSE,B=2000)原假设H0：X符合F分布。p-值小于某个显著性水平，则表示拒绝原假设，否则接受原假设。8、Fisher精确的独立检验：fisher.test(x,y=NULL,workspace=200000,hybrid=FALSE,control=list(),or=1,alternative=two.sided,conf.int=TRUE,conf.level=0.95)原假设：X,Y相关。9、McNemar检验：mcnemar.test(x,y=NULL,correct=TRUE)原假设：两组数据的频数没有区别。10、秩相关检验cor.test(x,y,alternative=c(two.sided,less,greater),method=spearman,conf.level=0.95,...)原假设：x,y相关.11、Wilcoxon秩检验wilcox.test(x,y=NULL,alternative=c(two.sided,less,greater),mu=0,paired=FALSE,exact=NULL,correct=TRUE,conf.int=FALSE,conf.level=0.95,...)原假设：中位数大于，小于，不等于mu.