So führen sie den welch-t-test in r durch

Der Welch-T-Test wird verwendet, um Mittelwerte zwischen zwei unabhängigen Gruppen zu vergleichen, wenn nicht davon ausgegangen wird, dass die beiden Gruppen gleiche Varianzen aufweisen.

Um den Welch-t-Test in R durchzuführen, können wir die Funktion t.test() verwenden, die die folgende Syntax verwendet:

t.test(x, y, alternative = c(„zwei Gesichter“, „weniger“, „größer“))

Gold:

• x: ein numerischer Vektor von Datenwerten für die erste Gruppe
• y: ein numerischer Vektor von Datenwerten für die zweite Gruppe
• Alternative: die Alternativhypothese für den Test. Die Standardeinstellung ist doppelseitig.

Das folgende Beispiel zeigt, wie diese Funktion verwendet wird, um den Welch-t-Test in R durchzuführen.

Beispiel: Welchs t-Test in R

Ein Lehrer möchte die Prüfungsergebnisse von 12 Schülern, die zur Vorbereitung auf eine Prüfung ein Prüfungsvorbereitungsheft verwendet haben, mit denen von 12 Schülern vergleichen, die dies nicht getan haben.

Die folgenden Vektoren zeigen die Prüfungsergebnisse der Studierenden in jeder Gruppe:

 booklet <- c(90, 85, 88, 89, 94, 91, 79, 83, 87, 88, 91, 90)
no_booklet <- c(67, 90, 71, 95, 88, 83, 72, 66, 75, 86, 93, 84)

Bevor wir einen Welch-T-Test durchführen, können wir zunächst Boxplots erstellen, um die Verteilung der Ergebnisse für jede Gruppe zu visualisieren:

 boxplot(booklet, no_booklet, names =c(" Booklet "," No Booklet "))

Wir können deutlich erkennen, dass die Gruppe „Booklet“ einen höheren Durchschnittswert und eine geringere Bewertungsvarianz aufweist.

Um formal zu testen, ob sich die Durchschnittswerte zwischen den Gruppen signifikant unterscheiden, können wir den Welch-T-Test durchführen:

 #perform Welch's t-test
t.test(booklet, no_booklet)

	Welch Two Sample t-test

data: booklet and no_booklet
t = 2.2361, df = 14.354, p-value = 0.04171
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
  0.3048395 13.8618272
sample estimates:
mean of x mean of y 
 87.91667 80.83333 

Aus dem Ergebnis können wir ersehen, dass die t -Test-Statistik 2,2361 und der entsprechende p-Wert 0,04171 beträgt.

Da dieser p-Wert kleiner als 0,05 ist, können wir die Nullhypothese ablehnen und daraus schließen, dass es einen statistisch signifikanten Unterschied in den durchschnittlichen Prüfungsergebnissen zwischen den beiden Gruppen gibt.

Die Funktion t.test() liefert uns außerdem folgende Informationen:

• Das 95 % -Konfidenzintervall für die Differenz der durchschnittlichen Prüfungsergebnisse zwischen den beiden Gruppen beträgt [0,3048, 13,8618 ].
• Die durchschnittliche Prüfungspunktzahl der ersten Gruppe beträgt 87,91667 .
• Die durchschnittliche Prüfungspunktzahl der zweiten Gruppe beträgt 80,83333 .

Die vollständige Dokumentation zur Funktion t.test() finden Sie hier .

Zusätzliche Ressourcen

Die folgenden Tutorials erklären, wie Sie andere häufige Aufgaben in R ausführen:

So führen Sie einen t-Test bei einer Stichprobe in R durch
So führen Sie einen T-Test bei zwei Stichproben in R durch
So führen Sie einen T-Test für gepaarte Stichproben in R durch
So zeichnen Sie mehrere Boxplots in einem einzigen Diagramm in R