统计学术思想R案例网络收集和介绍

统计学术思想R案例网络收集和介绍

作者：樊瑞珍

文章来源：统计建模与R软件

名称:卡方检验

目标描述:卡方检验在R语言中的运用(案例)

卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，卡方值越大，越不符合；卡方值越小，偏差越小，越趋于符合，若两个值完全相等时，卡方值就为0，表明理论值完全符合。

R语言下进行分层卡方检验方法和过程如下：

t.test t检验

wilcox.test wilcox检验

prop.test

binom.test 贝努力试验检验

chisq.test 卡方检验

fish.test fisher精确检验

ks.test 科尔莫哥罗夫-斯米尔诺夫检验

shapiro.test shapio-wilk正态分布检验

pp.test. phillips-perron检验

quada.test quade检验

friedman.test friedman秩和检验

 R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。

R语言 卡方检验

预览：

3、t.test(x,y) 表示对两个变量x，y做两样本均数的成组t检验

4、t.test(x~group) 表示group为分组变量，x为数值变量，做t检验，此时x和y应该在同一个数据集中。

5、 t.test(x[group==1],x[group==2]) 表示对group＝1和2时的x做t检验 方差分析：利用lm()函数

如果一个数据集dd中，x是数值变量，g是分组变量，运行：lm(dd$x~dd$g) ，这样实际是拟合一个线性模型，x为应变量，g为自变量。缺省的输出很少，只有g和截据的系数，采用summary()函数可以输出较多信息。即：summary(lm(dd$x~dd$g)) 这样将会输出常见方差分析所需要输出的全部信息，诸位一试便知。

这里提示了R的一个特性：缺省的输出往往是很少的，其实有很多的结果被保存在背后，需要用语句提取出来的。

秩和检验： wilcox.test()函数和kruskal.test()函数

wilcox.test(x) 表示对x做均数为0的符号秩和检验

kruskal.test(x,g) 表示x为数值变量而g为分组变量，做秩和检验

卡方检验：chisq.test()

对于如下四格表资料：12 5

24 11

首先建立四格表：matrix(c(12,24,5,11),crow=2)->data

说明：data中存储了四格表资料，也就是一个矩阵。c(12,24,5,11)是一个向量，crow=2表示有两行，请注意行列的顺序：即先排“列”数据，再排“行”数据。

然后进行卡方检验：chisq.test(data)

对于四格表卡方，缺省的用Yates连续性校正。如果用：chisq.test(data,correct=FLASE)，则不进行Yates校正。如果理论数过小，则输出时会提示卡方检验可能不正确，此时就需要用fisher精确概率法：fisher.test(data)。

线性相关

采用cor（）函数可以计算两变量的线性相关系数；采用cor.test()函数可以计算相关系数比进行假设检验、提供相关系数可信区间。

例如：c(12,15,13,16,21,22,14)->x

c(25,56,45,15,32,16,45)->y

cor.test(x,y) 即可对x和y进行线性相关分析，计算两者的相关系数并进行假设检验。 线性回归：

lm()函数可以拟合一般线性模型。例如：lm(y~x+z) 便是拟合应变量为y，自变量为x和z的回归方程。直接使用lm(y~x+z) 只能输出x和z的回归系数，用summary(lm(y~x+z))，即外部套上summary函数，可以输出线性回归分析的大部分内容。summary(lm(y~x+z+x*z)) 则是考虑了x和z的交互作用了。

结

R中能够实现各种常用统计分析，这，一般成熟的统计软件都是具有的。

R，作为s+的一个克隆，其实是S语言的一个编程环境。

R中一切都是对象。

R中的功能主要是以函数的形式实现。使用者可以修改（重载）这些函数，也可以开发新的函数。 R有很多package，实现各种功能，可以在R的站点cran中下载安装各种package以扩展功能。

案例:

R软件入门教程---卡方检验

 使用chisq.test方法）

如资料如下：

 A   B

 甲 15   12

 乙 23   12

 丙 24   21

程序如下：

         matrix(c(15,23,24,12,12,21),nc=2)->x  ―――――――建立两维表nc指列数

 

         chisq.test(x,correct=TRUE) ――――――――――――correct表示是否矫正

 结果如下：

          Pearson's Chi-squared test

data:  x

X-squared = 1.3229, df = 2, p-value = 0.5161

 

本篇来源于 www.stathome.cn

 原文链接：http://www.stathome.cn/html/S-plus_R/Rrumen/2009/0604/474.html