<\/p>\n
Ein Hypothesentest<\/a> ist ein formaler statistischer Test, den wir verwenden, um eine statistische Hypothese abzulehnen oder nicht abzulehnen.<\/span><\/p>\n In diesem Tutorial wird erl\u00e4utert, wie Sie die folgenden Hypothesentests in R durchf\u00fchren:<\/span><\/p>\n Wir k\u00f6nnen die Funktion t.test()<\/strong> in R verwenden, um jeden Testtyp durchzuf\u00fchren:<\/span><\/p>\n Gold:<\/span><\/p>\n Die folgenden Beispiele zeigen, wie Sie diese Funktion in der Praxis nutzen k\u00f6nnen.<\/span><\/p>\n Ein T-Test bei einer Stichprobe<\/a> wird verwendet, um zu testen, ob der Mittelwert einer Grundgesamtheit einem bestimmten Wert entspricht oder nicht.<\/span><\/p>\n Nehmen wir zum Beispiel an, wir m\u00f6chten wissen, ob das Durchschnittsgewicht einer bestimmten Schildkr\u00f6tenart 310 Pfund betr\u00e4gt oder nicht. Wir machen uns auf den Weg und sammeln eine einfache Zufallsstichprobe von Schildkr\u00f6ten mit den folgenden Gewichten:<\/span><\/p>\n Gewicht<\/strong> : 300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303<\/span><\/p>\n Der folgende Code zeigt, wie dieses T-Test-Beispiel in R durchgef\u00fchrt wird:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n Da der p-Wert des Tests (0,139) nicht kleiner als 0,05 ist, k\u00f6nnen wir die Nullhypothese nicht ablehnen.<\/span><\/p>\n Das bedeutet, dass wir nicht gen\u00fcgend Beweise daf\u00fcr haben, dass das Durchschnittsgewicht dieser Schildkr\u00f6tenart etwas anderes als 310 Pfund betr\u00e4gt.<\/span><\/p>\n Ein T-Test mit zwei Stichproben<\/a> wird verwendet, um zu testen, ob die Mittelwerte zweier Grundgesamtheiten gleich sind oder nicht.<\/span><\/p>\n Angenommen, wir m\u00f6chten wissen, ob das Durchschnittsgewicht zweier verschiedener Schildkr\u00f6tenarten gleich ist oder nicht. Um dies zu testen, sammeln wir eine einfache Zufallsstichprobe von Schildkr\u00f6ten jeder Art mit den folgenden Gewichten:<\/span><\/p>\n Probe 1<\/strong> : 300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303<\/span><\/p>\n Probe 2<\/strong> : 335, 329, 322, 321, 324, 319, 304, 308, 305, 311, 307, 300, 305<\/span><\/p>\n Der folgende Code zeigt, wie diese beiden T-Test-Beispiele in R durchgef\u00fchrt werden:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n Da der p-Wert des Tests (0,04914) kleiner als 0,05 ist, lehnen wir die Nullhypothese ab.<\/span><\/p>\n Das bedeutet, dass wir gen\u00fcgend Beweise daf\u00fcr haben, dass das Durchschnittsgewicht der beiden Arten nicht gleich ist.<\/span><\/p>\n Ein t-Test f\u00fcr gepaarte Stichproben<\/a> wird verwendet, um die Mittelwerte zweier Stichproben zu vergleichen, wenn jede Beobachtung in einer Stichprobe mit einer Beobachtung in der anderen Stichprobe verkn\u00fcpft werden kann.<\/span><\/p>\n Nehmen wir zum Beispiel an, wir m\u00f6chten wissen, ob ein bestimmtes Trainingsprogramm in der Lage ist, den maximalen vertikalen Sprung (in Zoll) von Basketballspielern zu steigern.<\/span><\/p>\n Um dies zu testen, k\u00f6nnen wir eine einfache Zufallsstichprobe von 12 College-Basketballspielern rekrutieren und jeden ihrer maximalen vertikalen Spr\u00fcnge messen. Dann k\u00f6nnen wir jeden Spieler einen Monat lang das Trainingsprogramm anwenden lassen und dann am Ende des Monats erneut seinen maximalen vertikalen Sprung messen.<\/span><\/p>\n Die folgenden Daten zeigen die maximale Sprungh\u00f6he (in Zoll) vor und nach der Verwendung des Trainingsprogramms f\u00fcr jeden Spieler:<\/span><\/p>\n Vorderseite<\/strong> : 22, 24, 20, 19, 19, 20, 22, 25, 24, 23, 22, 21<\/span><\/p>\n Nachher<\/strong> : 23, 25, 20, 24, 18, 22, 23, 28, 24, 25, 24, 20<\/span><\/p>\n Der folgende Code zeigt, wie dieser T-Test f\u00fcr gepaarte Stichproben in R durchgef\u00fchrt wird:<\/span><\/p>\n Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n Da der p-Wert des Tests (0,02803) kleiner als 0,05 ist, lehnen wir die Nullhypothese ab.<\/span><\/p>\n Das bedeutet, dass wir gen\u00fcgend Beweise daf\u00fcr haben, dass die durchschnittliche Sprungh\u00f6he vor und nach der Anwendung des Trainingsprogramms nicht gleich ist.<\/span><\/p>\n Verwenden Sie die folgenden Online-Rechner, um verschiedene T-Tests automatisch durchzuf\u00fchren:<\/span><\/p>\n Ein Beispiel f\u00fcr einen T-Test-Rechner<\/a> Ein Hypothesentest ist ein formaler statistischer Test, den wir verwenden, um eine statistische Hypothese abzulehnen oder nicht abzulehnen. In diesem Tutorial wird erl\u00e4utert, wie Sie die folgenden Hypothesentests in R durchf\u00fchren: Ein Beispiel-T-Test T-Test bei zwei Stichproben T-Test f\u00fcr gepaarte Stichproben Wir k\u00f6nnen die Funktion t.test() in R verwenden, um jeden Testtyp durchzuf\u00fchren: #one sample […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
#one sample t-test<\/span>\nt. test<\/span> (x, y = NULL,\n alternative = c(\" two.sided<\/span> \", \" less<\/span> \", \" greater<\/span> \"),\n mu = 0, paired = FALSE, var.equal = FALSE<\/span> ,\n conf.level = 0.95, \u2026)<\/strong><\/pre>\n\n
Beispiel 1: T-Test bei einer Stichprobe in R<\/strong><\/span><\/h3>\n
#define vector of turtle weights\nturtle_weights <- c(300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303)<\/span>\n\n#perform one sample t-test<\/span>\nt. test<\/span> (x=turtle_weights,mu=310)\n\n\tOne Sample t-test\n\ndata: turtle_weights\nt = -1.5848, df = 12, p-value = 0.139\nalternative hypothesis: true mean is not equal to 310\n95 percent confidence interval:\n 303.4236 311.0379\nsample estimates:\nmean of x \n 307.2308<\/strong><\/pre>\n\n
Beispiel 2: T-Test bei zwei Stichproben in R<\/strong><\/span><\/h3>\n
#define vector of turtle weights for each sample\nsample1 <- c(300, 315, 320, 311, 314, 309, 300, 308, 305, 303, 305, 301, 303)<\/span>\nsample2 <- c(335, 329, 322, 321, 324, 319, 304, 308, 305, 311, 307, 300, 305)<\/span>\n\n#perform two sample t-tests<\/span>\nt. test<\/span> (x = sample1, y = sample2)\n\n\tWelch Two Sample t-test\n\ndata: sample1 and sample2\nt = -2.1009, df = 19.112, p-value = 0.04914\nalternative hypothesis: true difference in means is not equal to 0\n95 percent confidence interval:\n -14.73862953 -0.03060124\nsample estimates:\nmean of x mean of y \n 307.2308 314.6154<\/strong><\/pre>\n\n
Beispiel 3: T-Test bei gepaarten Stichproben in R<\/strong><\/span><\/h3>\n
#define before and after max jump heights\nbefore <- c(22, 24, 20, 19, 19, 20, 22, 25, 24, 23, 22, 21)<\/span>\nafter <- c(23, 25, 20, 24, 18, 22, 23, 28, 24, 25, 24, 20)<\/span>\n\n#perform paired samples t-test<\/span>\nt. test<\/span> (x = before, y = after, paired = TRUE<\/span> )\n\n\tPaired t-test\n\ndata: before and after\nt = -2.5289, df = 11, p-value = 0.02803\nalternative hypothesis: true difference in means is not equal to 0\n95 percent confidence interval:\n -2.3379151 -0.1620849\nsample estimates:\nmean of the differences \n -1.25<\/strong><\/pre>\n\n
Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
T-Test-Rechner f\u00fcr zwei Stichproben<\/a>
T-Test-Rechner f\u00fcr gepaarte Stichproben<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"