t.test vs. manuellen t-test

Allgemeine Statistik mit R, die Test-Methode ist noch nicht bekannt, ich habe noch keinen Plan!

Moderatoren: EDi, jogo

Antworten
Magga

t.test vs. manuellen t-test

Beitrag von Magga »

Hallo zusammen,

ich habe folgenden t-test mit Nullhypothese mu >= 0 durchgeführt:

Code: Alles auswählen

# Mittelwert & Standardabweichung der Datenreihe 'diff'
x_quer <- 1/9 * sum(diff) 
stdabw <- sqrt((sum((diff-x_quer)^2))/8)
#Berechne Teststatistik
t <- sqrt(9)*x_quer/stdabw
quantil_kbereich <- qt(p = 0.05, df = 8)
Wenn ich diese Ergebnisse mit den Ergebnisse der Funktion 't.test' vergleiche, komme ich zwar auf die selbe Teststatistik (t=3,035), aber der kritische Bereich unterscheidet sich. Dieser ist laut meiner Berechnung oben [-inf;-1,86] --> Wenn ich 't.test' verwende komme ich auf einen kritischen Bereich von [-inf;0,69]. Hier mein verwendeter Code:

Code: Alles auswählen

test <- t.test(diff, alternative = "l", conf.level = 0.95)
test$conf.int
würde mich freuen, wenn mir jemand weiterhelfen kann :)

Beste Grüße & vielen Dank!!
Benutzeravatar
databraineo
Beiträge: 10
Registriert: Mo Apr 02, 2018 8:20 am

Re: t.test vs. manuellen t-test

Beitrag von databraineo »

Hi Magga,

Deine Variable quantil_kbereich hängt ja gar nicht von der Stichprobe ab, was für ein Konfidenzintervall natürlich so sein sollte.

Code: Alles auswählen

n=1000
x = rnorm(n)

#manueller t-Test
x_quer <- 1/n * sum(x) 
stdabw <- sqrt((sum((x-x_quer)^2))/(n-1))
#Berechne Teststatistik
t <- sqrt(n)*x_quer/stdabw

tquant <- qt(p = 0.05, df = n-1)
quantil_kbereich <- x_quer-tquant*stdabw/sqrt(n)

#eingebauter t-Test aus R
t.test(x, alternative = "less", conf.level = 0.95)
Und bitte sei vorsichtig mit der Stichprobengröße. Anhand der benutzten Freiheitsgrade scheint es, dass Du eine Stichprobengröße von nur 9 hast. Das erscheint mir ein bisschen klein für Signifikanzen.

Viele Grüße,
Holger
Lasst uns helfen, dass Menschen mittels Datenanalyse intelligente Entscheidungen treffen

Website: Databraineo - Data Science Blog
Twitter: @databraineo
Facebook-Gruppe: Data Science Deutschland
Antworten