问题标签 [hypothesis-test]

我知道如果我有一组数据，我可以跑来t.test做 T 检验。但我只知道每组的计数、平均值和标准差。我确信在 R 中必须有一种方法可以做到这一点，但我无法弄清楚。有什么帮助吗？

我正在使用 perl+R 来分析大量样本数据集。对于每两个样本，我计算 t 检验 p 值。目前，我正在使用 statistics::R 模块将值从 perl 导出到 R，然后使用 t.test 函数。然而，这个过程非常缓慢。我想知道是否有人知道以更有效的方式执行相同过程的 perl 函数。

谢谢！

为了回应有用的评论，我编辑了原始问题（我曾假设 for-loop 和 apply-loop 给出不同的结果）。

我正在使用 R 运行大量 2 组 t 检验，使用来自分隔表的输入。根据这里和其他地方的建议，我尝试了“for-loops”和“apply”来实现这一点。对于“正常”的 t.test，两者都可以很好地工作并给出相同的结果。但是，对于配对 t 检验，for-look 似乎有效，而 apply-loop 则无效。后来，我发现两个循环都遇到了同样的问题（见下文），但是 for 循环更优雅地处理了这种情况（只有一个循环循环返回无效结果），而 apply 循环完全失败。

我的输入文件如下所示：（第一行是标题行，数据行有一个名称，第 1 组有 4 个数据点，第 2 组有 4 个数据点）：

依此类推（总共约 50000 行）。第一条数据线（以name19开头，原来是罪魁祸首。

这是效果更好的 for 循环版本（在有问题的行上失败，但正确处理所有其他行）：

这是导致问题的“应用”版本

大约 50000 条数据线中的一条是有问题的，因为所有成对比较的差异都是相同的，这在成对的 t 检验中会导致未定义的 p 值（基本上为零）。应用循环因错误“数据基本不变”而崩溃。对我（作为一个 R 新手）来说，仅仅因为 t.test 不喜欢一个数据而使整个脚本崩溃似乎不是一个好主意。在 for 循环中，该数据行也会导致错误消息，但循环继续，所有其他 t 检验给出正确的结果。

我做错了什么吗？这种行为本质上禁止使用应用循环进行这种批处理分析。或者有没有一种标准的方法来规避这个问题。为什么 t 检验不只是返回对该特定 p 值无效的东西而不是退出？

假设我有一个大矩阵：

进一步假设每一列代表一个样本。假设我想申请t.test()每一列，有没有比使用快得多的方法apply()？

在我的电脑上运行分析只用了不到 2 分钟：

如果我想计算 Pandas 中两个类别的平均值，我可以这样做：

我有很多以这种方式格式化的数据，现在我需要做一个T检验，看看cat1和cat2的平均值是否在统计上不同。我怎样才能做到这一点？

我遇到了对存储在数据框中的某些数据进行 t 检验的问题。我知道如何一一做，但一点效率都没有。请问如何写一个循环来做到这一点？

例如，我在testData中得到了数据：

我需要对具有两个独立组的每一列运行 t 检验，即“好”与“坏”的几个特征“F1”到“F11”。我试图做类似的事情：

然后做剩下的“F2”到“F11”，但显然效率不高。如果您有更好的想法来循环运行它，我真的很感激。非常感谢。

我已经实现了 2 个进化算法。并运行它们中的每一个进行 100 次试验。

我保存了每次试验的最终最佳适应度值。

如何使用 T-Test 将每个算法的最终平均适应度与 matlab 进行比较？

我想看看算法性能是否有显着差异？

嗨，不久前我得到了帮助来实现这个功能，但我现在被卡住了。

查找 list1 和 list2 中的所有单词

正如人们所看到的，我试图比较两个包含单词频率的列表，但是有些单词并没有出现在两个样本大小中。我希望对每个单词对进行 t 检验，以确定它们的方差。但是，这一遍又一遍地给了我相同的 t 值和 p 值对。

有人有什么想法吗？

示例文件如下所示：count-pos.txt

我在正常的 t 检验中遇到错误：

错误：

我无法理解向量出了什么问题。你能告诉我吗？我一直无法弄清楚。

我已经使用配对 t 检验来使用我的 R 数据验证假设。是否有任何与 R 中的 t 检验相关的研究文章？

如果有任何与 R 中的 t 检验相关的文章，请告诉我。