看看不同分析工具的单样本t检验（R、SPSS、Python、Excel）

本章来介绍不同分析工具对于单样本t检验的操作方式和参数解读：

Paste_Image.png

一、看看用R语言怎么做检验？前提在题目中已经标出，数据要服从正态分布。

Paste_Image.png

就是这样简单的操作，我们就可以得出相应的结论：p-value=0.514>0.05，故不能拒绝H0原假设，因此认为平均寿命不大于225小时。

二、那么同一个问题我们用SPSS又该如何操作呢？

Paste_Image.png

需要提醒大家的是：这个对话框是在分析→比较均值→单样本t检验
好了，我们来看看分析结论：

Paste_Image.png

spss的结论是：p-value=0.514>0.05，故不能拒绝H0原假设，因此认为平均寿命不大于225小时。

三、我们再来看看Python有该如何操作呢？（提示：目前在Python还没有找到可以直接用来做单样本t检验的函数，因此这里其实用的是独立样本t检验的函数）

Paste_Image.png

废话不多说，我们来看看分析结论：
p-value=0.5089>0.05，故不能拒绝H0原假设，因此认为平均寿命不大于225小时。

四、我们最常用的Excel又是如何达到分析目的呢？

Paste_Image.png

首先说说结论：
p-value=0.514>0.05，故不能拒绝H0原假设，因此认为平均寿命不大于225小时。

我们看到有两个p值，一个是单尾的，一个是双尾的，从上面的p值可以看出，基本都是采用的双尾检验。不过R语言是可自定义检验类型，如下面参数设置：
一般格式：t.test(x, y = NULL,alternative = c("two.sided", "less", "greater"),mu = 0, paired = FALSE, var.equal = FALSE,conf.level = 0.95, ...)
其中：x，y是向量；alternative是备择假设，two.sided(缺省)是双边检验，less是单边检验，greater是单边检验；mu表示原假设；conf.level是置信水平，即1-α=0.95 ；var.equal是变量，var.equal=FALSE(缺省)是两样本方差不同，var.equal= TRUE是方差相同。

PS：小编能力有限，如有错误还请指出~
小编座右铭：思维是王道，工具是其次。
下期会介绍几种常用工具如何做独立样本的t检验，敬请关注~