[英]t-distribution in R
我想用 17 次观察找到 90% 置信区间的t-value
。
在 Excel 中,我可以使用t=T.INV.2T(.10, 16)=1.75
进行此计算,但是在 RI 中找不到获得相同结果的正确方法。
qt(p = 1-.9, df = 17-1) = -1.34
qt(p = (1-.9)/2, df = 17-1) = -1.75 # trying with two-tailed?
与 Excel 中的T.INV.2T
进行相同计算的函数 R 是什么。
同样,我们在Excel中也有T.DIST.2T
,R中的同一个函数是什么?
您需要具有17 - 1 = 16
自由度的 t 分布的1 - .1 / 2 = 0.95
分位数:
qt(0.95, 16)
# [1] 1.745884
解释
Excel 将T.INV.2T
描述为
返回学生 t 分布的双尾逆
这是数学演讲中的分位数(尽管我永远不会使用术语2 tailed quantile )。 p%
分位数q
定义为满足P(X <= q) >= p%
。
在R
我们通过函数qt
( q表示分位数, t表示 t 分布)得到它。 现在我们只需要弄清楚two-tailed inverse
是什么意思。 事实证明,我们正在寻找满足P(X <= -|q| | X >= |q|) >= .1
的点q
。 由于 t 分布是对称的,因此简化为P(X >= |q|) >= .1 / 2
。
您可以使用概率函数pt
在R
轻松验证:
pt(qt(0.05, 16), 16, lower.tail = TRUE) +
pt(qt(0.95, 16), 16, lower.tail = FALSE)
# [1] 0.1
正如您正确猜测的那样,您可以通过估计两侧间隔 (alpha/2 = 0.1/2 = 0.05) 来实现
> qt(p = 0.95, df = 16)
[1] 1.745884
因此,上下区间可享受 5% 的折扣。 我不知道 Excel,但我猜这就是那个函数在做什么。
至于 dist,那是我假设两侧的 CDF
pt(-1.745884, df=16, lower.tail=T) +
pt(1.745884, df=16, lower.tail=F)
等于0.09999994
。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.