统 计 建 模 与 R 软件第五章习题答案(假设检验) Ex5.1 > x<-c(220, 188, 162, 230, 145, 160, 238, 188, 247, 113, 126, 245, 164, 231, 256, 183, 190, 158, 224, 175) > t.test(x,mu=225) One Sample t-test data: x t = -3.4783, df = 19, p-value = 0.002516 alternative hypothesis: true mean is not equal to 225 95 percent confidence interval: 172.3827 211.9173 sample estimates: mean of x 192.15 原假设：油漆工人的血小板计数与正常成年男子无差异。 备择假设：油漆工人的血小板计数与正常成年男子有差异。 p 值小于 0.05，拒绝原假设，认为油漆工人的血小板计数与正常成年男子有差异。 上述检验是双边检验。也可采用单边检验。备择假设：油漆工人的血小板计数小于正常成年男子。 > t.test(x,mu=225,alternative="less") One Sample t-test data: x t = -3.4783, df = 19, p-value = 0.001258 alternative hypothesis: true mean is less than 225 95 percent confidence interval: -Inf 208.4806 sample estimates: mean of x 192.15 同样可得出油漆工人的血小板计数小于正常成年男子的结论。 Ex5.2 > pnorm(1000,mean(x),sd(x)) [1] 0.5087941 > x [1] 1067 919 1196 785 1126 936 918 1156 920 948 > pnorm(1000,mean(x),sd(x)) [1] 0.5087941 x<=1000的概率为0.509,故x 大于1000 的概率为0.491. 要点：pnorm 计算正态分布的分布函数。在 R 软件中，计算值均为下分位点。 Ex5.3 > A<-c(113,120,138,120,100,118,138,123) > B<-c(138,116,125,136,110,132,130,110) > t.test(A,B,paired=TRUE) Paired t-test data: A and B t = -0.6513, df = 7, p-value = 0.5357 alternative hypothesis: true difference in means is not equal to 0 95 percent confidence interval: -15.62889 8.87889 sample estimates: mean of the differences -3.375 p 值大于0.05，接受原假设，两种方法治疗无差异。 Ex5.4 （1） 正态性 W 检验： >x<-c(-0.7,-5.6,2,2.8,0.7,3.5,4,5.8,7.1,-0.5,2.5,-1.6,1.7,3,0.4,4.5,4.6,2.5,6,-1.4) >y<-c(3.7,6.5,5,5.2,0.8,0.2,0.6,3.4,6.6,-1.1,6,3.8,2,1.6,2,2.2,1.2,3.1,1.7,-2) > shapiro.test(x) ...
