R繪圖:生物學(xué)常用統(tǒng)計(jì)t檢驗(yàn)

T檢驗(yàn)纪他,亦稱(chēng)student t檢驗(yàn)(Student’s t test)堡距,主要用于樣本含量較邪┠弧(例如n < 30)匆浙,總體標(biāo)準(zhǔn)差σ未知的正態(tài)分布员寇。T檢驗(yàn)是用t分布理論來(lái)推論差異發(fā)生的概率弄慰,從而比較兩個(gè)平均數(shù)的差異是否顯著。

【適用條件】
已知一個(gè)總體均數(shù)蝶锋;可得到一個(gè)樣本均數(shù)及該樣本標(biāo)準(zhǔn)差陆爽;樣本來(lái)自正態(tài)或近似正態(tài)總體。

若是單獨(dú)樣本T檢驗(yàn)扳缕,必須給出一個(gè)標(biāo)準(zhǔn)值或總體均值慌闭,同時(shí),提供一組定量的觀測(cè)結(jié)果躯舔,應(yīng)用t檢驗(yàn)的前提條件是該組資料必須服從正態(tài)分布驴剔;若是配對(duì)樣本T檢驗(yàn),每對(duì)數(shù)據(jù)的差值必須服從正態(tài)分布庸毫;若是獨(dú)立樣本T檢驗(yàn)仔拟,個(gè)體之前相互獨(dú)立,兩組資料均取自正態(tài)分布的總體飒赃,并滿(mǎn)足方差齊性利花。之所以需要這些前提條件科侈,是因?yàn)楸仨氃谶@樣的前提下所計(jì)算出的t統(tǒng)計(jì)量才服從t分布,而t檢驗(yàn)正是以t分布作為其理論依據(jù)的檢驗(yàn)方法炒事。后面的方差分析臀栈,其獨(dú)立樣本T檢驗(yàn)的前提條件是相同的,即正態(tài)性額方差齊性挠乳。

【分類(lèi)】
單總T檢驗(yàn)(單獨(dú)樣本t檢驗(yàn))权薯,雙總T檢驗(yàn)(獨(dú)立樣本T檢驗(yàn),分為配對(duì)樣本T檢驗(yàn)和非配對(duì)樣本t檢驗(yàn))


t檢驗(yàn)分類(lèi)

在進(jìn)行 t 檢驗(yàn)之前睡扬,應(yīng)該對(duì)數(shù)據(jù)進(jìn)行正態(tài)性檢驗(yàn)以及方差齊性檢驗(yàn)盟蚣。

正態(tài)性檢驗(yàn):Kolmogorov–Smirnov test、Anderson–Darling test卖怜、Shapiro-Wilk test屎开、Lilliefor test
方差齊次性檢驗(yàn):bartlett.test檢驗(yàn)、var.test檢驗(yàn)马靠、leveneTest檢驗(yàn)奄抽、Fligner-Killeen檢驗(yàn)

1. 單樣本T檢驗(yàn)

例1:某魚(yú)塘水的含氧量多年平均值為4.5mg/L,現(xiàn)在該魚(yú)塘設(shè)10點(diǎn)采集水樣,測(cè)定水中含氧量(單位:mg/L)分別為:4.33,4.62,3.89,4.14,4.78,4.64,4.52,4.55,4.48,4.26甩鳄,問(wèn)該次抽樣的水中含氧量與多年平均值是否有顯著差異逞度?

##################單樣本t檢驗(yàn)#####################################
Sites <- c(4.33,4.62,3.89,4.14,4.78,4.64,4.52,4.55,4.48,4.26)
# 1st 正態(tài)性檢驗(yàn)
shapiro.test(Sites) 
# 2nd t-test: t.test(x, mu = 0, alternative = "two.sided")
t.test(Sites,mu=4.5) #mu表示的是平均數(shù)

p=0.3738>0.05,認(rèn)為所抽樣水體的含氧量與多年平均值無(wú)顯著差異妙啃。

2. 獨(dú)立樣本T檢驗(yàn)

有兩種情況档泽,一種是兩個(gè)總體方差齊性,另一種是兩個(gè)總體方差不齊彬祖。

方差齊性時(shí)直接使用獨(dú)立樣本T檢驗(yàn)茁瘦,當(dāng)兩樣本方差不齊時(shí)品抽,使用t′檢驗(yàn)储笑,t′檢驗(yàn)用于兩組間方差不齊時(shí),t′檢驗(yàn)的計(jì)算公式實(shí)際上是方差不齊時(shí)t檢驗(yàn)的校正公式圆恤。

2.1 非配對(duì)樣本T檢驗(yàn)
A. 兩樣本方差齊性

例2:用高蛋白和低蛋白兩種飼料飼養(yǎng)1月齡的大白鼠突倍,飼養(yǎng)3個(gè)月后,測(cè)定兩組大白鼠的增重量(g)盆昙,兩組數(shù)據(jù)分別如下所示:
高蛋白組:134,146,106,119,124,161,107,83,113,129,97,123
低蛋白組:70,118,101,85,107,132,94
試問(wèn)兩種飼料養(yǎng)殖的大白鼠增重量是否有顯著差異羽历?

#################兩樣本方差齊性
High<-c(134,146,106,119,124,161,107,83,113,129,97,123)
Low<-c(70,118,101,85,107,132,94)
Group<-c(rep(1,12),rep(0,7))#1表示High,0表示Low
x<-c(High,Low)

# 1st 正態(tài)性檢驗(yàn)
shapiro.test(High) 
shapiro.test(Low)
# 2nd 方差齊性檢驗(yàn)
bartlett.test(x ~ Group) # 或者var.test(x~Group)
# 3rd t-test: t.test(formula, paired=FALSE, var.equal = TRUE)
t.test(High,Low,paired = FALSE, var.equal = TRUE) #寬數(shù)據(jù)格式
#或者可以使用
t.test(x ~ Group, paired = FALSE, var.equal = TRUE) #長(zhǎng)數(shù)據(jù)格式

p-value = 0.07543淡喜,大于0.05秕磷,結(jié)果表明兩種飼料養(yǎng)殖的大白鼠增重量無(wú)顯著差異。

B. 兩樣本方差不齊

例3:有人測(cè)定了甲乙兩地區(qū)某種飼料的含鐵量(mg/kg)炼团,結(jié)果如下:
甲地:5.9,3.8,6.5,18.3,18.2,16.1,7.6
乙地:7.5,0.5,1.1,3.2,6.5,4.1,4.7
試問(wèn)這種飼料含鐵量在兩地間是否有顯著差異澎嚣?

#################兩樣本方差不齊
JIA<-c(5.9,3.8,6.5,18.3,18.2,16.1,7.6)
YI<-c(7.5,0.5,1.1,3.2,6.5,4.1,4.7)
Content<-c(JIA,YI)
Group<-c(rep(1,7),rep(2,7))#1表示甲地疏尿,2表示乙地

# 1st 正態(tài)性檢驗(yàn)
shapiro.test(JIA)
shapiro.test(YI)
# 2nd 方差齊性檢驗(yàn)
bartlett.test(Content~Group)
# 3rd t-test: t.test(x, y, paired=FALSE, var.equal = F)
t.test(Content,Group,paired=FALSE,var.equal=FALSE)

方差齊性檢驗(yàn)表明,方差不等易桃,因此設(shè)定var.equal=FALSE褥琐,此時(shí)p=0.0023<0.05,表明該飼料在兩地的含鐵量有顯著差異晤郑。

2.2 配對(duì)樣本T檢驗(yàn)

例4:某人研究沖水對(duì)草魚(yú)產(chǎn)卵率的影響敌呈, 獲得沖水前后草魚(yú)產(chǎn)卵率(%),如下:沖水前:82.5,85.2,87.6,89.9,89.4,90.1,87.8,87.0,88.5,92.4
沖水后:91.7,94.2,93.3,97.0,96.4,91.5,97.2,96.2,98.5,95.8
問(wèn):沖水前后草魚(yú)親魚(yú)產(chǎn)卵率有無(wú)差異造寝?

#################配對(duì)樣本T檢驗(yàn)
Before<-c(82.5,85.2,87.6,89.9,89.4,90.1,87.8,87.0,88.5,92.4)
After<-c(91.7,94.2,93.3,97.0,96.4,91.5,97.2,96.2,98.5,95.8)

# 1st 正態(tài)性檢驗(yàn)
shapiro.test(Before-After)
# 2nd 方差齊性檢驗(yàn)
var.test(Before, After)
#不需要磕洪,配對(duì)T檢驗(yàn)檢驗(yàn)的前提條件之一:成對(duì)數(shù)據(jù)就是來(lái)自同一總體的。 
# 3rd t-test
t.test(Before,After,paired = T,alternative = "two.sided",cond.lvel=0.95)

結(jié)果表明诫龙,p=2.548e-05<0.01褐鸥,表明沖水前后,草魚(yú)親魚(yú)的產(chǎn)卵率有非常顯著差異赐稽。

備注:本部分內(nèi)容分五塊:主要描述T檢驗(yàn)叫榕、F檢驗(yàn)、卡方檢驗(yàn)( χ^{2} 檢驗(yàn))姊舵,μ檢驗(yàn)(又稱(chēng)Z檢驗(yàn))晰绎,方差分析。其中T檢驗(yàn)主要應(yīng)用于小樣本資料括丁,F(xiàn)檢驗(yàn)主要對(duì)于方差齊性或方差同質(zhì)性進(jìn)行檢驗(yàn)荞下,卡方檢驗(yàn)主要應(yīng)用于適合性檢驗(yàn)、獨(dú)立性檢驗(yàn)和方差同質(zhì)性檢驗(yàn)史飞,μ檢驗(yàn)主要應(yīng)用于大樣本資料或方差已知的資料尖昏,方差分析(均數(shù)差異的顯著性檢驗(yàn))主要應(yīng)用于兩個(gè)及兩個(gè)以上樣本均數(shù)差別的顯著性檢驗(yàn)。

寫(xiě)于2020.02.10
修于2020.04.01


參考資料:

  1. t檢驗(yàn)
  2. 假設(shè)檢驗(yàn)-方差齊性檢驗(yàn)
  3. 15-假設(shè)檢驗(yàn)之F檢驗(yàn)
  4. R語(yǔ)言中方差齊性檢驗(yàn)丨數(shù)析學(xué)院
  5. 正態(tài)檢驗(yàn)與R語(yǔ)言
最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末构资,一起剝皮案震驚了整個(gè)濱河市抽诉,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌吐绵,老刑警劉巖迹淌,帶你破解...
    沈念sama閱讀 206,839評(píng)論 6 482
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異己单,居然都是意外死亡唉窃,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,543評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門(mén)纹笼,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)纹份,“玉大人,你說(shuō)我怎么就攤上這事廷痘÷В” “怎么了削咆?”我有些...
    開(kāi)封第一講書(shū)人閱讀 153,116評(píng)論 0 344
  • 文/不壞的土叔 我叫張陵,是天一觀的道長(zhǎng)蠢笋。 經(jīng)常有香客問(wèn)我拨齐,道長(zhǎng),這世上最難降的妖魔是什么昨寞? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 55,371評(píng)論 1 279
  • 正文 為了忘掉前任瞻惋,我火速辦了婚禮,結(jié)果婚禮上援岩,老公的妹妹穿的比我還像新娘歼狼。我一直安慰自己,他們只是感情好享怀,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,384評(píng)論 5 374
  • 文/花漫 我一把揭開(kāi)白布羽峰。 她就那樣靜靜地躺著,像睡著了一般添瓷。 火紅的嫁衣襯著肌膚如雪梅屉。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 49,111評(píng)論 1 285
  • 那天鳞贷,我揣著相機(jī)與錄音坯汤,去河邊找鬼。 笑死搀愧,一個(gè)胖子當(dāng)著我的面吹牛惰聂,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播咱筛,決...
    沈念sama閱讀 38,416評(píng)論 3 400
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼搓幌,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了迅箩?” 一聲冷哼從身側(cè)響起溉愁,我...
    開(kāi)封第一講書(shū)人閱讀 37,053評(píng)論 0 259
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎沙热,沒(méi)想到半個(gè)月后叉钥,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,558評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡篙贸,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,007評(píng)論 2 325
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了枫疆。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片爵川。...
    茶點(diǎn)故事閱讀 38,117評(píng)論 1 334
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖息楔,靈堂內(nèi)的尸體忽然破棺而出寝贡,到底是詐尸還是另有隱情扒披,我是刑警寧澤,帶...
    沈念sama閱讀 33,756評(píng)論 4 324
  • 正文 年R本政府宣布圃泡,位于F島的核電站碟案,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏颇蜡。R本人自食惡果不足惜价说,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,324評(píng)論 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望风秤。 院中可真熱鬧鳖目,春花似錦、人聲如沸缤弦。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,315評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)碍沐。三九已至狸捅,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間累提,已是汗流浹背薪贫。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,539評(píng)論 1 262
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留刻恭,地道東北人瞧省。 一個(gè)月前我還...
    沈念sama閱讀 45,578評(píng)論 2 355
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像鳍贾,于是被迫代替她去往敵國(guó)和親鞍匾。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,877評(píng)論 2 345

推薦閱讀更多精彩內(nèi)容