在R中用T统计量进行单侧假设检验

Question

我想使用t统计量检验R中的以下假设并计算p值：

空假设：mu <= 50

替代：mu＆gt; 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);

应该很容易，但我不知道该怎么做。谢谢你的帮助！

Answer 1

如果您的H0等于：mu<=50，则右侧命令为：

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

使用alternative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。

Answer 2

如果问题中的给定条件是正确的，那么我们使用单面上部测试。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 Inf 样本估计： 平均值x

54.33333 

结论是，在这个p值小于0.05时，我们拒绝零假设。 如果在altenative假设不等于100，那么我们使用alternative =“two.sided”。 一切都取决于条件，有时候已经提到的更少或更多。