R语言学习(九)

R语言进行数学分析时，不仅可以进行事件的预测等，同时还能对预测事件进行相应假设，在进行假设时，一般会关注以下四个变量：

样本大小；显著性水平（假设成立时，拒绝它的概率）；功效分析（假设成立时，接收它的概率）；效应值；

R语言介绍了几种检验方法，这几种方法都是在已经知道以上某三个变量时，求另外一个变量的值，以期符合假设

1.t检验

pwr.t.test(n=样本大小,d=效应值,sig.level=显著性水平,power=功效分析...)

2.方差分析

pwr.anova.test(k=组数,n=样本大小,f=效应值,sig.level=显著性水平,power=功效分析...)

3.相关性检验

pwr.r.test(r=效应值,n=样本大小,sig.level=显著性水平,power=功效分析..)

4.线性检验

pwr.f2.test(u=分子自由度，即预测变量数,v=分母自由度，即总样本数-预测变量数-1,sig.level=显著性水平,power=功效分析,f2=...)

5.比例检验（一般用于两组连续性数值变量，且在两组变量的样本大小相同时）

pwr.2p.test(h=效应值,n=样本大小,sig.level=显著性水平,power=功效分析)，其中h可以通过ES.h(p1,p2)求出，p1,p2分别为两个变量的效应程度

若样本大小不同时，一般可通过如下方法进行比例检验

  pwr.2p2n.test(h=效应值,n1=变量1的样本大小,n2=变量2的样本大小,sig.level=显著性水平,power=功效分析)

6.卡方检验（一般用于两个类别型变量）

pwr.chisq.test(w=效应值,N=样本大小,df=自由度,sig.level=效应值,power=功效分析)

PS:以上方法中求哪个变量，则该变量在方法中就可以不用写出，在结果中便可得知，如利用相关性检验求效应值，则

pwr.r.test(n=100,sig.level=0.05,power=1)

当然具体方法在此写的不够详尽，基本上如此，在实际的运用过程中可以查阅相关的R帮助文档

7.seq(para1,para2,para3):构造起始值为para1，相邻两元素之差为para3的序列，序列中元素的值不能超过para2，如：

seq(1,10,2):1,3,5,7,9

   range(数据集):求出数据集中的最小值和最大值