a<-rnorm(100)
#卡方分布图
b<-dchisq(a,1) #变换为卡方分布
hist(b)
#t分布图
c<-dt(a,1,0)#变换为t分布
hist(c)
#F分布图
d<-df(a,1,1,0)#变换为f分布
hist(f)
在进行 t 检验之前让我们先看看它的定义： t 检验法就是在假设检验时利用 t 分布 进行概率计算的检验方法。那问题来了，什么是 t 分布呢？
所以我们在进行 t 检验之前，应该对数据进行 正态性检验 以及 方差齐性检验 。
t 检验可以分为单样本 t 检验和双样本 t 检验（见下图）。
单样本 t 检验步骤如下。
1. 提出假设
2. 计算 t
3. 统计推断
看看R的结果：
①正态性检验结果
② t 检验结果
p=0.3738>0.05，所以拒绝Ho，接受HA。
1. 提出假设
2. 计算 t
其中：
3. 统计推断
①方差齐性检验结果
② t 检验结果
p-value = 0.07238>0.05，所以不能否定Ho。
步骤及算法
1. 提出假设
2. 计算 t’
其中：
3. 统计推断
t 检验结果
p-value = 0.07238>0.05，所以不能否定Ho。
1.提出假设
2.计算 t
其中
3. 统计推断
#配对两样本T检验
t检验结果：
p-value = 2.548e-05 <0.01，所以否定Ho，接受HA。
[1]. 学生 t - 分布 （Wikipedia）
R语言中，rt(n, df) 表示 t分布,t分布：
t分布曲线形态与n（确切地说与自由度v）大小有关。与标准正态分布曲线相比，自由度v越小，t分布曲线愈平坦，曲线中间愈低，曲线双侧尾部翘得愈高；自由度v愈大，t分布曲线愈接近正态分布曲线，当自由度v=∞时，t分布曲线为标准正态分布曲线
