R语言假设检验Word下载.docx

1、mlength（x）prep（1/m,m）Ksum（x-n*p）2/（n*p）;#计算出K值1136.491-pchisq（K,m-1）;#计算出p值0#拒绝原假设。在R语言中 chisq.test（），可以完成拟合优度检验。默认就是检验是否为均匀分布，如果是其他分布，需要自己分组，并在参数p中指出。上面题目的解法chisq.test（x）Chi-squaredtestforgivenprobabilitiesdata:xX-squared=136.49,df4,p-value2.2e-16#同样拒绝原假设。例，用这个函数检验其他分布。 抽取31名学生的成绩，检验是否为正态分布。9101112

2、131415c（25,45,50,54,55,61,64,68,72,75,75,78,79,81,83,84,84,84,85,86,86,86,87,89,89,89,90,91,91,92,100）Atable（cut（x,breaks=c（0,69,79,89,100）#对样本数据进行分组。A（0,69（69,79（79,89（89,1008513pnorm（c（70,80,90,100）,mean（x）,sd（x）#获得理论分布的概率值c（p1,p2-p1,p3-p2,1-p3）chisq.test（A,p=p）8.334,3,0.03959#检验结果不是正态的。大麦杂交后关于芒性的

3、比例应该是 无芒：长芒：短芒=9:3:4 。 我们的实际观测值是335：125：160 。请问观测值是否符合预期？c（9/16,3/16,4/16）c（335,125,160）chisq.test（x,p=p）1.362,2,0.5061在分组的时候要注意，每组的频数要大于等于5.如果理论分布依赖于多个未知参数，只能先由样本得到参数的估计量。然后构造统计量K，此时K的自由度减少位置参数的数量个。2.ks检验。R语言中提供了ks.test（）函数，理论上可以检验任何分布。他既能够做单样本检验，也能做双样本检验。单样本 例：记录一台设备无故障工作时常，并从小到大排序420 500 920 1380

4、 1510 1650 1760 2100 2300 2350。问这些时间是否服从拉姆达=1/1500的指数分布？c（420,500,920,1380,1510,1650,1760,2100,2300,2350）ks.test（x,pexp,1/1500）One-sampleKolmogorov-SmirnovtestD0.3015,0.2654alternativehypothesis:two-sided双样本 例：有两个分布，分别抽样了一些数据，问他们是否服从相同的分布。16171819X-scan（）1:0.610.290.060.59-1.73-0.740.51-0.560.3910:1

5、.640.05-0.060.64-0.820.371.771.09-1.2819:2.361.311.05-0.32-0.401.06-2.4726:Read25itemsY99）,length（x）,alternative=less）binomialsum（x99）numberofsuccesses23,trials66,0.009329probabilitysuccesslessthan0.50.00000000.45630870.3484848#北京位于中位数下。符号检验也可以用来检验两个总体是否存在明显差异。要是没有差异，那么两者之差为正的概率为0.5.yc（19,32,21,19,25,31,31,26,30,25,28,31,25,25）c（25,30,28,23,27,35,30,28,32,29,30,30,31,16）binom.test（sum（xy）,length（x）y）14,0.1796perc