使用R完成均值检验

t检验和 Z检验都可用于均值检验。

单样本均值检验
当样本容量小于30时使用t检验，当样本容量大于30时使用Z检验
Z检验使用例子:

library(UsingR)
x<-rnorm(50,0,5)
simple.z.test(x,5)

运行结果:
[1] -2.947929 3.250022
结果说明在置信度为95%的情况下总体的均值区间为[-2.947929 3.250022]

t检验使用例子:

x<-rnorm(20,0,5)
t.test(x)

运行结果:
        One Sample t-test


data: x
t = -0.1736, df = 19, p-value = 0.864
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
 -2.886276 2.444247
sample estimates:
 mean of x 
-0.2210147

------------------------------------------------------------------------------------

双样本均值检验
对t.test函数，R的帮助文档有很好的例子:

require(graphics)

t.test(1:10, y = c(7:20))      # P = .00001855
t.test(1:10, y = c(7:20, 200)) # P = .1245    -- NOT significant anymore

## Classical example: Student's sleep data
plot(extra ~ group, data = sleep)
## Traditional interface
with(sleep, t.test(extra[group == 1], extra[group == 2]))
## Formula interface
t.test(extra ~ group, data = sleep)

此外《统计建模与R语言》从P206页开始有讨论正太总体均值的建设检验，书中作者编写了自己的均值检验函数mean.test1（针对单个总体）和mean.test2（针对两个总体），也有相对应的使用t.test函数进行检验的例子，具体应用时可以参考。