R中比例的假设

Posted 2023-03-12

【中文标题】R中比例的假设

【英文标题】：Hypothesis on a proportion in R

【发布时间】：2018-08-26 08:59:29

【问题描述】：

我有 100 个是/否答案的随机样本。其中13个是“是”。其余为“否”。 我必须检验一个关于比例的假设。

假设： H0：p = p0

H1: p > p0

置信度为 95%

我有以下代码： （z.prop 函数计算检验统计量。）

z.prop = function(k, n, p, p0) zeta = (p - p0) / (sqrt( p0*(1-p0)/n ) ) 
return(zeta) 

k<- 13
n<- 100
p<- k/n
p0<- 0.1

z <- z.prop(k,n,p,p0)
cat("z: ",z)
z.alpha <- qnorm(0.05,lower.tail=FALSE)
cat("z alpha: ",z.alpha)

pval<- pnorm(abs(z),lower.tail = FALSE)
cat("p-value",pval,"\n")

如果我使用此代码，则 p 值不同。

binom.test(k, n, p = p0,alternative ="greater",conf.level = 0.95)

使用我的函数，我得到 0.1586553 的 p 值。使用 binom.test 函数我得到 p-value = 0.1982。

这怎么可能？我的代码是错误的，还是只是某种舍入错误？ 谢谢。

【参考方案1】：

您的z.prop 函数实现了stats 中prop.test 函数的相同测试（没有耶茨连续性校正）：

prTest <- prop.test(k, n, p=p0, alternative ="greater", correct = F)
prTest$p.value
# [1] 0.1586553

binom.test 函数实现了不同的比例检验：精确二项式检验。

【讨论】：

感谢您的回答。什么时候应该使用 binom.test 和 prop.test？是否可以在我的情况下使用 prop.test（100 个二进制元素）？如果是，那么是否有连续性校正？

@DàvidNagy 您可以在您的情况下使用 prop.test。默认情况下，prop.test 使用连续性校正。我建议使用这个默认值并且（非常重要）阅读一些关于测试背后的理论！