{"id":3428,"date":"2023-07-17T13:07:49","date_gmt":"2023-07-17T13:07:49","guid":{"rendered":"https:\/\/statorials.org\/de\/zwei-stichproben-t-test-in-r\/"},"modified":"2023-07-17T13:07:49","modified_gmt":"2023-07-17T13:07:49","slug":"zwei-stichproben-t-test-in-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/zwei-stichproben-t-test-in-r\/","title":{"rendered":"So f\u00fchren sie einen t-test mit zwei stichproben in r durch"},"content":{"rendered":"

<\/p>\n

\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

Sie k\u00f6nnen die folgende grundlegende Syntax verwenden, um einen T-Test mit zwei Beispielen in R durchzuf\u00fchren:<\/span><\/p>\n

 t. test<\/span> (group1, group2, var. equal<\/span> = TRUE<\/span> ) \n<\/strong><\/pre>\n
 Hinweis<\/strong> : Durch die Angabe von var.equal=TRUE<\/strong> weisen wir R an, anzunehmen, dass die Varianzen zwischen den beiden Stichproben gleich sind.<\/span><\/p>\n
 Das folgende Beispiel zeigt, wie man in der Praxis einen Zwei-Stichproben-t-Test in R durchf\u00fchrt.<\/span><\/p>\n
 Beispiel: T-Test bei zwei Stichproben in R<\/strong><\/span><\/h2>\n
 Angenommen, wir m\u00f6chten wissen, ob zwei verschiedene Pflanzenarten die gleiche durchschnittliche H\u00f6he haben.<\/span><\/p>\n
 Um dies zu testen, sammeln wir eine einfache Zufallsstichprobe<\/a> von 12 Pflanzen jeder Art.<\/span><\/p>\n
 Der folgende Code zeigt, wie ein T-Test mit zwei Stichproben in R durchgef\u00fchrt wird, um zu bestimmen, ob die durchschnittliche H\u00f6he zwischen den beiden Arten gleich ist:<\/span><\/p>\n
 #create vectors to hold plant heights from each sample\n<\/span>group1 <- c(8, 8, 9, 9, 9, 11, 12, 13, 13, 14, 15, 19)\ngroup2 <- c(11, 12, 13, 13, 14, 14, 14, 15, 16, 18, 18, 19)\n\n<\/strong>#perform two sample t-tests\n<\/span>t. test<\/span> (group1, group2, var. equal<\/span> = TRUE<\/span> )\n\n\tTwo Sample t-test\n\ndata: group1 and group2\nt = -2.5505, df = 22, p-value = 0.01823\nalternative hypothesis: true difference in means is not equal to 0\n95 percent confidence interval:\n -5.5904820 -0.5761847\nsample estimates:\nmean of x mean of y \n 11.66667 14.75000 \n<\/strong><\/pre>\n
 So interpretieren Sie die Testergebnisse:<\/span><\/p>\n
 Daten:<\/strong> die Namen der Vektoren, die die Beispieldaten enthalten.<\/span><\/p>\n
 t:<\/strong> Die t-Teststatistik. In diesem Fall ist es -2,5505<\/strong> .<\/span><\/p>\n
 df<\/strong> : Die Freiheitsgrade, berechnet als n 1<\/sub> + n 2<\/sub> \u2013 2 = 12 + 12 \u2013 2 = 22<\/strong> .<\/span><\/p>\n
 p-Wert:<\/strong> Der p-Wert, der einer Teststatistik von -2,5505 und df = 22 entspricht. Der p-Wert betr\u00e4gt 0,01823<\/strong> . Wir k\u00f6nnen diesen Wert mit dem T-Score-zu-P-Wert-Rechner<\/a> best\u00e4tigen.<\/span><\/p>\n
 95 %-Konfidenzintervall:<\/strong> 95 %-Konfidenzintervall f\u00fcr den wahren Mittelwertunterschied zwischen den beiden Gruppen. Es stellt sich heraus, dass es [-5,59, -.576]<\/strong> ist.<\/span><\/p>\n
 Stichprobensch\u00e4tzungen:<\/strong> der Stichprobenmittelwert<\/a> jeder Gruppe. In diesem Fall betrug der Stichprobenmittelwert f\u00fcr Gruppe 1 11,667<\/strong> und der Stichprobenmittelwert f\u00fcr Gruppe 2 14,75<\/strong> .<\/span><\/p>\n
 Die Null- und Alternativhypothese f\u00fcr diesen speziellen T-Test bei zwei Stichproben lauten wie folgt:<\/span><\/p>\n
 H 0<\/sub> :<\/strong> \u00b5 1<\/sub> = \u00b5 2<\/sub> (die beiden Populationsmittelwerte sind gleich)<\/span><\/p>\n
 H A<\/sub> :<\/strong> \u00b5 1<\/sub> \u2260\u00b5 2<\/sub> (die beiden Populationsmittelwerte sind nicht<\/em> gleich)<\/span><\/p>\n
 Da der p-Wert unseres Tests (0,01823)<\/strong> kleiner als 0,05 ist, lehnen wir die Nullhypothese ab.<\/span><\/p>\n
 Dies bedeutet, dass wir \u00fcber gen\u00fcgend Beweise verf\u00fcgen, um zu dem Schluss zu kommen, dass die durchschnittliche Pflanzenh\u00f6he der beiden Arten nicht gleich ist.<\/span><\/p>\n
 Technische<\/span> Hinweise<\/span><\/strong><\/h2>\n
 Die Funktion t.test()<\/strong> in R verwendet die folgende Syntax:<\/span><\/p>\n
 t. test<\/span> (x, y, alternative=\"two.sided\", mu=0, paired=FALSE, var.equal=FALSE, conf.level=0.95)<\/span><\/strong><\/pre>\n
 Gold:<\/span><\/p>\n
 Wenn Sie diese Annahme nicht treffen m\u00f6chten, lassen Sie dieses Argument einfach beiseite und R f\u00fchrt stattdessen den Welch-t-Test<\/a> durch, der nicht davon ausgeht, dass die Varianzen zwischen den Stichproben gleich sind.<\/span><\/p>\n