Come eseguire un campione e due test z di esempio in r
È possibile utilizzare la funzione z.test() dal pacchetto BSDA per eseguire un test z di esempio e due esempi in R.
Questa funzione utilizza la seguente sintassi di base:
z.test(x, y, alternative=' two.sided ', mu= 0 , sigma.x=NULL, sigma.y=NULL,conf.level= .95 )
Oro:
- x : valori del primo campione
- y : valori per il secondo campione (se si sta eseguendo un test z a due campioni)
- alternativa : l’ipotesi alternativa (“maggiore”, “minore”, “due facce”)
- mu : media sotto zero o media (nel caso di due campioni)
- sigma.x : deviazione standard della popolazione del primo campione
- sigma.y : deviazione standard della popolazione del secondo campione
- conf.level : livello di confidenza da utilizzare
I seguenti esempi mostrano come utilizzare questa funzione nella pratica.
Esempio 1: un campione di prova Z in R
Supponiamo che il QI di una certa popolazione sia distribuito normalmente con una media di μ = 100 e una deviazione standard di σ = 15.
Uno scienziato vuole sapere se un nuovo farmaco influisce sui livelli di QI. Quindi recluta 20 pazienti affinché lo utilizzino per un mese e registra i loro livelli di QI alla fine del mese.
Il codice seguente mostra come eseguire un campione z-test in R per determinare se il nuovo farmaco provoca una differenza significativa nei livelli di QI:
library (BSDA)
#enter IQ levels for 20 patients
data = c(88, 92, 94, 94, 96, 97, 97, 97, 99, 99,
105, 109, 109, 109, 110, 112, 112, 113, 114, 115)
#perform one sample z-test
z.test(data, mu= 100 , sigma.x= 15 )
One-sample z-Test
data:data
z = 0.90933, p-value = 0.3632
alternative hypothesis: true mean is not equal to 100
95 percent confidence interval:
96.47608 109.62392
sample estimates:
mean of x
103.05
La statistica del test per il test z a un campione è 0,90933 e il valore p corrispondente è 0,3632 .
Poiché questo valore p non è inferiore a 0,05, non abbiamo prove sufficienti per rifiutare l’ipotesi nulla.
Pertanto, concludiamo che il nuovo farmaco non influisce in modo significativo sul livello del QI.
Esempio 2: test Z a due campioni in R
Supponiamo che i livelli di QI degli individui di due città diverse siano distribuiti normalmente, ciascuno con deviazioni standard della popolazione pari a 15.
Uno scienziato vuole sapere se il livello medio di QI degli individui nella città A e nella città B è diverso. Quindi seleziona un semplice campione casuale di 20 individui da ciascuna città e registra i loro livelli di QI.
Il codice seguente mostra come eseguire uno z-test a due campioni in R per determinare se il livello medio di QI è diverso tra le due città:
library (BSDA)
#enter IQ levels for 20 individuals from each city
cityA = c(82, 84, 85, 89, 91, 91, 92, 94, 99, 99,
105, 109, 109, 109, 110, 112, 112, 113, 114, 114)
cityB = c(90, 91, 91, 91, 95, 95, 99, 99, 108, 109,
109, 114, 115, 116, 117, 117, 128, 129, 130, 133)
#perform two sample z-test
z.test(x=cityA, y=cityB, mu= 0 , sigma.x= 15 , sigma.y= 15 )
Two-sample z-Test
data: cityA and cityB
z = -1.7182, p-value = 0.08577
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-17.446925 1.146925
sample estimates:
mean of x mean of y
100.65 108.80
La statistica del test per il test z a due campioni è -1,7182 e il valore p corrispondente è 0,08577.
Poiché questo valore p non è inferiore a 0,05, non abbiamo prove sufficienti per rifiutare l’ipotesi nulla.
Pertanto, concludiamo che il livello medio del QI non è significativamente diverso tra le due città.
Risorse addizionali
I seguenti tutorial spiegano come eseguire altri test statistici comuni in R:
Come eseguire un test Z ad una proporzione
Come eseguire un t-test per campioni accoppiati in R
Come eseguire il test t di Welch in R