R語言學習筆記（八） 功效分析

t檢測 

#計算期望的樣本大小
install.packages("pwr")
library(pwr)
pwr.t.test(d=.8,sig.level=.05,power=.9,type="two.sample")

n = 33.82555   #樣本大小

d = 0.8  #效應值，標準化的均值之差

sig.level = 0.05 #顯著水平

power = 0.9 #功效水平，多少把握成功測量出效果

alternative = two.sided #檢測型別，可選的型別為：雙側檢測或單側檢測

note: n is number in *each* group

#在固定的樣本大小內，結果的正確範圍

pwr.t.test(n=20,d=.5,sig.level = .01,type="two.sample")

n = 20

d = 0.5

sig.level = 0.01

power = 0.1439551

alternative = two.sided

note: n is number in *each* group

#方差分析,求期望樣本大小

pwr.anova.test(k=5,f=.25,sig.level = .05,power=.8)

k = 5  #分組數量

n = 39.1534 #每組的資料量

f = 0.25 #效應值，

sig.level = 0.05 #顯著水平

power = 0.8 #功效

note: n is number in each group

#相關性,求期望樣本大小

pwr.r.test(r=.25,sig.level = .05,power=.90,alternative = "greater")

r = 0.25  #效應值

sig.level = 0.05  #顯著水平

power = 0.9 #功效值

alternative = greater 

#線性模型,求期望樣本大小，n-k-1=樣本大小

pwr.f2.test(u=3,f2=0.0769,sig.level =0.05,power=0.90)

u = 3  #集合只差

v = 184.2426 #n-變數總數-1=v -> 樣本總算=v+變數總數+1

f2 = 0.0769  #效應值

sig.level = 0.05 #顯著性

power = 0.9 #功效值

#比例檢測,求期望樣本大小

pwr.2p.test(h=es.h(.65,.6),sig.level = .05,power=.9,alternative = "greater")

h = 0.1033347  #效應值

n = 1604.007  #樣本大小

sig.level = 0.05 #顯著水平

power = 0.9  #功效值

alternative = greater  #測試型別，雙尾或單尾

note: same sample sizes

#卡方檢驗,求期望樣本大小

prob
es.w2(prob)
pwr.chisq.test(w=es.w2(prob),df=2,sig.level=.05,power=.9)

w = 0.1853198 #效應值

n = 368.4528 #樣本大小

df = 2 #自由度

sig.level = 0.05 #顯著水平

power = 0.9 #功效

note: n is the number of observations

單因素anova中的檢測顯著效應所需的樣本大小

何為顯著性檢驗
顯著性檢驗的思想十分的簡單，就是認為小概率事件不可能發生。雖然概率論中我們一直強調小概率事件必然發生，但顯著性檢驗還是相信了小概率事件在我做的這一次檢驗中沒有發生。
顯著性檢驗即用於實驗處理組與對照組或兩種不同處理的效應之間是否有差異，以及這種差異是否顯著的方法。
常把乙個要檢驗的假設記作h0,稱為原假設（或零假設），與h0對立的假設記作h1，稱為備擇假設。
⑴在原假設為真時，決定放棄原假設，稱為第一類錯誤，其出現的概率通常記作α；
⑵在原假設不真時，決定接受原假設，稱為第二類錯誤，其出現的概率通常記作β。
通常只限定犯第一類錯誤的最大概率α，不考慮犯第二類錯誤的概率β。這樣的假設檢驗又稱為顯著性檢驗，概率α稱為顯著性水平。
				
R語言學習筆記（八）判別分析
線性判別分析 距離判別法 多總體距離判別 bayes判別法 主要參考 判別分析是多變數統計分析中用於判別樣品所屬型別的一種統計分析方法，用於研究在一些已知研究物件已經用某種方法分成若干類的情況下，確定新的樣品屬於已知類別中的哪一類的問題。其基本思想是 按照一定的判別準則，建立乙個或多個判別函式，用研...
				
R語言學習筆記 回歸分析
1.一元線性回歸 lm lm formula,data,subset,weights,na.action,method qr model true,x false,y false,qr true,singular.ok true,contrasts null,offset,formula為要擬合的模...
				
R語言學習筆記
1.資料輸入 read.table n fileposition 函式 eg.x read.table c users administrator desktop 1.txt header t 目前只知道可以完好地讀入txt檔案 空格隔開 excel不支援 csv讀入不完全。ps.可以用excel生...