<\/p>\n
U kunt de functie z.test()<\/strong> uit het BSDA-<\/strong> pakket gebruiken om \u00e9\u00e9n voorbeeld- en twee voorbeeld-z-tests uit te voeren in R.<\/span><\/p>\n Deze functie gebruikt de volgende basissyntaxis:<\/span><\/p>\n Goud:<\/span><\/p>\n De volgende voorbeelden laten zien hoe u deze functie in de praktijk kunt gebruiken.<\/span><\/p>\n Stel dat het IQ van een bepaalde populatie normaal verdeeld is met een gemiddelde van \u03bc = 100 en een standaarddeviatie van \u03c3 = 15.<\/span><\/p>\n Een wetenschapper wil weten of een nieuw medicijn het IQ-niveau be\u00efnvloedt. Daarom recruteert ze twintig pati\u00ebnten die het een maand lang zullen gebruiken en aan het eind van de maand registreert ze hun IQ-niveaus.<\/span><\/p>\n De volgende code laat zien hoe je een voorbeeld-z-test in R kunt uitvoeren om te bepalen of het nieuwe medicijn een significant verschil in IQ-niveaus veroorzaakt:<\/span><\/p>\n De teststatistiek voor de z-test met \u00e9\u00e9n steekproef is 0,90933<\/strong> en de overeenkomstige p-waarde is 0,3632<\/strong> .<\/span><\/p>\n Omdat deze p-waarde niet kleiner is dan 0,05, hebben we niet voldoende bewijs om de nulhypothese te verwerpen.<\/span><\/p>\n We concluderen dus dat het nieuwe medicijn het IQ-niveau niet significant be\u00efnvloedt.<\/span><\/p>\n Neem aan dat de IQ-niveaus van individuen uit twee verschillende steden normaal verdeeld zijn, elk met een standaarddeviatie van de bevolking van 15.<\/span><\/p>\n Een wetenschapper wil weten of het gemiddelde IQ-niveau van individuen in stad A en stad B verschillend is. Dus selecteert ze een eenvoudige willekeurige steekproef<\/a> van twintig individuen uit elke stad en registreert hun IQ-niveaus.<\/span><\/p>\n De volgende code laat zien hoe je een z-test met twee steekproeven in R uitvoert om te bepalen of het gemiddelde IQ-niveau tussen de twee steden verschillend is:<\/span><\/p>\n De teststatistiek voor de z-test met twee steekproeven is -1,7182<\/strong> en de overeenkomstige p-waarde is 0,08577.<\/strong><\/span><\/p>\n Omdat deze p-waarde niet kleiner is dan 0,05, hebben we niet voldoende bewijs om de nulhypothese te verwerpen.<\/span><\/p>\n We concluderen dus dat het gemiddelde IQ-niveau niet significant verschilt tussen de twee steden.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere algemene statistische tests in R kunt uitvoeren:<\/span><\/p>\n Hoe u een Z-test met \u00e9\u00e9n proportie uitvoert<\/a> U kunt de functie z.test() uit het BSDA- pakket gebruiken om \u00e9\u00e9n voorbeeld- en twee voorbeeld-z-tests uit te voeren in R. Deze functie gebruikt de volgende basissyntaxis: z.test(x, y, alternative=‘ two.sided ‚, mu= 0 , sigma.x=NULL, sigma.y=NULL,conf.level= .95 ) Goud: x : waarden van het eerste monster y : waarden voor het tweede monster (als […]<\/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":[],"class_list":["post-2232","post","type-post","status-publish","format-standard","hentry","category-gids"],"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
Voorbeeld 1: Een proefmonster 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 Voorbeeld 2: Z-test met twee monsters 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 Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe voer je een paired samples t-test uit in R<\/a>
Hoe de t-test van Welch uit te voeren in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"