Question

我正在寻找一种方法来模拟不同样本量的简单t检验的功效。我的想法是生成400个随机正态分布样本，每个样本具有均值5和方差1，并对每个样本执行t检验，关于真实均值为4的假设，即t检验采用以下形式：

t =（mean（x）-4）* sqrt（n）/ sd（x）＃每个样本x由n个观察值组成。

为了进行比较，我想，前100个样本由10个观察值组成，接下来的100个样本包含100个，接下来的100个1000个，最后是100个最后100个，我认为是上限。必须对每个样本进行t检验。

最后，我想看看每个样本组的百分比 - 让我们称之为n10，n100，n1000，n5000，这取决于他们构成的观察数量 - 我的（假）假设被拒绝。

你能帮我写一下相应的R代码吗？我知道小命令，却无法将它们放在一起。这是一个很好的练习，希望我能够稍微修改它并将它用于不同的目的。

提前谢谢。

Answer 1

这是一个内衬400 t.tes的n = 10：

R>simulations <- replicate(400, t.test(rnorm(10, mean=5, sd=1), mu=4),
                           simplify=FALSE);

然后你可以分析它：

R>table(sapply(simulations, "[[", "p.value") < .05)
FALSE  TRUE 
   75   325

Answer 2

我还在学习R，所以小心处理：

n <- 5
N <- 100
samplesizes <- as.integer(10^(1:n))
set.seed(1) 

# generate samples
samples <- replicate(N, mapply(rnorm, samplesizes, mean=4, sd=sqrt(1)))

# perform t-tests
t.tests <- lapply(samples, function(x) t.test(x, mu=5, alternative="two.sided"))

# get p-values
t.test.pvalues <- sapply(t.tests, function(x) x$p.value)

rejected <- t.test.pvalues > .05
sampleIndices <- rep(1:n, N)
res <- aggregate(rejected, list(sample=sampleIndices), FUN=function(x) sum(x)/length(x) )
names(res)[2] <- "percRejected"
print(res, row.names=F)
# sample percRejected
# 1         0.16
# 2         0.00
# 3         0.00
# 4         0.00
# 5         0.00

在R中模拟t检验

2 个答案: