R语言 如何计算临界t值

临界T值是T分布的一个 “临界点”。t分布是一种概率分布，当样本量较小且群体方差未知时，用于计算群体参数。T值被用来分析是支持还是拒绝一个无效假设。

进行T检验后，我们会得到其统计结果。为了确定结果的显著性，我们比较由临界t值得到的t-分数。 如果t分数的绝对值大于t临界值，那么检验的结果就具有统计学意义。

公式 。

t = [ x̄ - μ ] / [ s / sqrt( n ) ]

其中。

• t = t得分
• x̄ = 样本平均数。
• μ = 人口平均数。
• s = 样本的标准差。
• n=样本大小

使用的函数 。

为了找到T临界值，我们使用了R编程语言中的qt()函数。

语法： qt(p=conf_value, df= df_value, lower.tail=True/False)

参数 。

• p:- 信心水平
• df： 自由度
• lower.tail： 如果是true，返回t分布中p左边的概率。如果是FALSE，则返回右边的概率。默认情况下，它的值是TRUE。

有三种计算临界t值的方法，下面将讨论所有这些方法。

方法1： 右尾检验

右尾检验是一种检验，其中假设声明包含一个大于（>）符号，即不等式指向右边。有时它也被称为上位测试。

这里我们假设 置信度 为 96% ，即 p=.04 ， 自由度为4，即df=4。 我们还使用 format() 函数将小数点后的数值减少到小数点后3位。对于右尾测试，我们将 lower.tail 的值设置为 FALSE 。

例子 。

rm(list = ls())
  
conf<-.04
daf<-4
  
value<-formatC(qt(p=conf, df=daf, lower.tail=FALSE))    
  
print(paste("Critical T value is : ",value))

输出 。

Critical T value is : 2.333

t临界值为2.333。因此，如果测试分数大于这个值，测试结果就具有统计学意义。

方法2： 左尾检验

左尾检验是指假设声明中包含一个小于（<）符号的检验，即……不等式指向左边。有时它也被称为下限检验。

这里我们假设 置信度为95%即p=.05 ， 自由度为4即df=4。 我们还使用 format() 函数 **** ，将小数点后的数值减少到小数点后3位。对于左尾测试，我们将 lower.tail 的值设置为 TRUE 。

例子 。

rm(list = ls())
  
conf<-.05
daf<-4
  
value<-formatC(qt(p=conf, df=daf, lower.tail=TRUE))  
  
print(paste("Critical T value is : ",value))

输出 。

Critical T value is : -2.132

t临界值为-2.132。因此，如果测试分数小于这个值，测试结果就有统计学意义。

方法3： 双尾检验

双尾检验是指假设声明中同时包含大于（>）符号和小于（<）符号的检验，即不等式点在一定范围内。

在双尾检验中，我们只需要在 “p “参数中输入一半的置信度。这里我们假设 置信度为96%，即p=.04 ， 自由度为4，即df=4。 我们还使用 format() 函数 **** ，将小数点后的数值减少到小数点后3位。

例子

rm(list = ls())
  
conf=0.04 / 2
  
daf<-4
  
value<-formatC(qt(p = conf , df = daf))     
  
print(paste("Critical T value is : ",value))

输出 。

Critical T value is :  -2.999

每当我们进行双尾检验时，我们会得到两个临界值作为输出。所以在上面的代码中，T临界值是2.999和-2.999。因此，如果测试得分小于-2.999或大于2.999，测试结果就具有统计学意义。