在R中使用T统计量进行单侧假设检验？

Question

我希望在R中使用t-统计量来测试以下假设，并计算p值：

零假设：mu <= 50

备择假设：mu > 50

data = c(52.7, 53.9, 41.7, 71.5, 47.6, 55.1,
       62.2, 56.5, 33.4, 61.8, 54.3, 50.0, 
       45.3, 63.4, 53.9, 65.5, 66.6, 70.0,
       52.4, 38.6, 46.1, 44.4, 60.7, 56.4);

这应该很容易，但我不确定如何做。谢谢你的帮助！

- ruya

---

更严谨地说，请查看http://www.statmethods.net，了解R语言中的一些基本统计学知识。特别是http://www.statmethods.net/stats/ttest.html中的第四个示例。 - Sacha Epskamp

+1 对 @SachaEpskamp 的 LMGTFY 参考。 - Brandon Bertelsen

我意识到这应该很容易，但是我找到的示例和上面列出的网站都是针对Ho: mu = 50，而我需要mu <= 50。我不确定如何向R指示。 - ruya

请查看 ?t.test 并确保阅读有关参数 x、mu 和 alternative 的说明... - Ben Bolker

Answer 1

如果您的H0等于：mu<=50，正确的命令是：

t.test(data, mu=50, alternative = 'greater')

使用alternative来定义H1。因此，它是：H1：mu > 50。输出显示p.value、均值和t-value。就是这样。

- Redfood

Answer 2

如果题目中给出的条件正确，我们就使用单侧上限检验，即：

t.test(data, alternative= "greater", mu=50) output = One Sample t-test

数据：

data t = 2.1562, df = 23, p-value = 0.02088

备选假设：真实均值大于50 95%置信区间： 50.88892 无穷大 样本估计： x的平均值

54.33333 

结论是在此p-值小于0.05，因此我们拒绝零假设。如果备择假设不等于100，则我们使用alternative="two-sided"。一切都取决于条件，有时问题中已经提到了较小或较大的值。

- dhruv govil