<\/p>\n
\u00c8 possibile utilizzare la funzione z.test()<\/strong> dal pacchetto BSDA<\/strong> per eseguire un test z di esempio e due esempi in R.<\/span><\/p>\n Questa funzione utilizza la seguente sintassi di base:<\/span><\/p>\n Oro:<\/span><\/p>\n I seguenti esempi mostrano come utilizzare questa funzione nella pratica.<\/span><\/p>\n Supponiamo che il QI di una certa popolazione sia distribuito normalmente con una media di \u03bc = 100 e una deviazione standard di \u03c3 = 15.<\/span><\/p>\n Uno scienziato vuole sapere se un nuovo farmaco influisce sui livelli di QI. Quindi recluta 20 pazienti affinch\u00e9 lo utilizzino per un mese e registra i loro livelli di QI alla fine del mese.<\/span><\/p>\n 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:<\/span><\/p>\n La statistica del test per il test z a un campione \u00e8 0,90933<\/strong> e il valore p corrispondente \u00e8 0,3632<\/strong> .<\/span><\/p>\n Poich\u00e9 questo valore p non \u00e8 inferiore a 0,05, non abbiamo prove sufficienti per rifiutare l’ipotesi nulla.<\/span><\/p>\n Pertanto, concludiamo che il nuovo farmaco non influisce in modo significativo sul livello del QI.<\/span><\/p>\n Supponiamo che i livelli di QI degli individui di due citt\u00e0 diverse siano distribuiti normalmente, ciascuno con deviazioni standard della popolazione pari a 15.<\/span><\/p>\n Uno scienziato vuole sapere se il livello medio di QI degli individui nella citt\u00e0 A e nella citt\u00e0 B \u00e8 diverso. Quindi seleziona un semplice campione casuale<\/a> di 20 individui da ciascuna citt\u00e0 e registra i loro livelli di QI.<\/span><\/p>\n Il codice seguente mostra come eseguire uno z-test a due campioni in R per determinare se il livello medio di QI \u00e8 diverso tra le due citt\u00e0:<\/span><\/p>\n La statistica del test per il test z a due campioni \u00e8 -1,7182<\/strong> e il valore p corrispondente \u00e8 0,08577.<\/strong><\/span><\/p>\n Poich\u00e9 questo valore p non \u00e8 inferiore a 0,05, non abbiamo prove sufficienti per rifiutare l’ipotesi nulla.<\/span><\/p>\n Pertanto, concludiamo che il livello medio del QI non \u00e8 significativamente diverso tra le due citt\u00e0.<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altri test statistici comuni in R:<\/span><\/p>\n Come eseguire un test Z ad una proporzione<\/a> \u00c8 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 […]<\/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 z.test(x, y, alternative=' two.sided<\/span> ', mu= 0 ,<\/span> sigma.x=NULL, sigma.y=NULL,conf.level= .95<\/span><\/span><\/span> )<\/span>\n<\/strong><\/pre>\n\n
Esempio 1: un campione di prova Z in R<\/strong><\/span><\/h2>\n
library<\/span> (BSDA)<\/span>\n\n#enter IQ levels for 20 patients\n<\/span>data = c(88, 92, 94, 94, 96, 97, 97, 97, 99, 99,\n 105, 109, 109, 109, 110, 112, 112, 113, 114, 115)\n\n#perform one sample z-test\n<\/span>z.test(data, mu= 100 , sigma.x=<\/span> 15<\/span> )\n\n\tOne-sample z-Test\n\ndata:data\nz = 0.90933, p-value = 0.3632\nalternative hypothesis: true mean is not equal to 100\n95 percent confidence interval:\n 96.47608 109.62392\nsample estimates:\nmean of x \n 103.05 \n<\/strong><\/span><\/pre>\n Esempio 2: test Z a due campioni in R<\/strong><\/span><\/h2>\n
library (BSDA)<\/span>\n<\/span>\n#enter IQ levels for 20 individuals from each city\n<\/span>cityA = c(82, 84, 85, 89, 91, 91, 92, 94, 99, 99,\n 105, 109, 109, 109, 110, 112, 112, 113, 114, 114)\n\ncityB = c(90, 91, 91, 91, 95, 95, 99, 99, 108, 109,\n 109, 114, 115, 116, 117, 117, 128, 129, 130, 133)\n\n<\/span>#perform two sample z-test\n<\/span>z.test(x=cityA, y=cityB, mu=<\/span> 0<\/span> , sigma.x= 15<\/span> , sigma.y= 15<\/span> )\n\n\tTwo-sample z-Test\n\ndata: cityA and cityB\nz = -1.7182, p-value = 0.08577\nalternative hypothesis: true difference in means is not equal to 0\n95 percent confidence interval:\n -17.446925 1.146925\nsample estimates:\nmean of x mean of y \n 100.65 108.80\n<\/span><\/strong><\/span><\/pre>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come eseguire un t-test per campioni accoppiati in R<\/a>
Come eseguire il test t di Welch in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"