[英]Simulating T-test and linear regression in R
在程序R中,我必須完成兩個任務。對於任何初學者來說,任何提示都會有所幫助。
1.模擬T檢驗的條件,證明在滿足T檢驗的條件的情況下,通過測試獲得的p值的分布對應於均勻分布。
編輯:這是我嘗試的:
N=1000
res = matrix(rep(0,2*N)), ncol =2)
B0=5
B1=7
for (i in 1:N)
{
e=rnorm(100,0,1)
X=rnorm(100)
Y=B0 +B1*X +e
tmp = summary(lm(Y~X))
k=coef(tmp)
res[i,1]=k[1]
res[i,2]=k[2]
}
mean(res[,1])
mean(res[,2])
mean(res[,1]+3)
mean(res[,2]+3)
但這是2個參數,我不知道如何為3個參數做。
在下面的代碼中,函數pvals返回兩個隨機生成的向量上T檢驗的p值。 然后,我們創建一個包含100個p值的向量,並運行ks.test函數以測試這些值是否均勻分布。
pvals <- function(x){
set.seed(x)
df <- data.frame(measure1=runif(100),
measure2=runif(100))
t.test(df[[1]], df[[2]])$p.value}
ks.test(sapply(1:100, function(x) pvals(x)), "punif", -1, 1)
One-sample Kolmogorov-Smirnov test
data: sapply(1:100, function(x) pvals(x))
D = 0.50453, p-value < 2.2e-16
alternative hypothesis: two-sided
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.