假设检验 正态分布 r语言

假设检验是一种统计推断方法，用于判断样本数据是否支持某个假设。在假设检验中，我们首先提出一个原假设（null hypothesis）和一个备择假设（alternative hypothesis），然后使用样本数据来判断是否拒绝原假设。

正态分布是一种常见的概率分布，它具有钟形曲线的形状。在假设检验中，我们通常会使用正态分布来进行推断。在R语言中，可以使用一些函数来进行正态分布的假设检验。

例如，可以使用t.test()函数进行单样本或双样本的t检验。该函数可以用于判断样本均值是否与某个特定值相等，或者判断两个样本均值是否相等。

另外，还可以使用shapiro.test()函数进行正态性检验。该函数可以用于判断样本数据是否符合正态分布。

下面是一个示例代码，演示如何在R语言中进行正态分布的假设检验：

# 单样本t检验
data <- c(1, 2, 3, 4, 5)
t.test(data, mu = 3)  # 判断样本均值是否等于3

# 双样本t检验
data1 <- c(1, 2, 3, 4, 5)
data2 <- c(2, 3, 4, 5, 6)
t.test(data1, data2)  # 判断两个样本均值是否相等

# 正态性检验
data <- rnorm(100)  # 生成100个符合正态分布的随机数
shapiro.test(data)  # 判断样本数据是否符合正态分布