ppois是泊松分布的分布函数(即用来求累计概率),因为是离散的,所以只会在整数左右有变化,看最下面的图像比较容易懂,比如q=0.5就和q=0.9的结果一样,q=1就和q=1.2的结果一样。
一般用法:
ppois(q, lambda, lower.tail = TRUE, log.p = FALSE)q:官方帮助文档说是分位数,我理解是指定x轴上的点。
lambda:就是泊松分布的参数λ
lower.tail:是逻辑变量,当它为真(TRUE,缺省值)时,分布函数的计算公式为
当lower.tail = FALSE时,分布函数的计算公式为
log, log.p是逻辑变量,当它为真(TRUE)时,函数的返回值不再是泊松分布,而是对数泊松分布.
比如lambda=1的分布函数作图如下:
我们想知道喝牛奶对感冒发病率有没有影响,以下为数据统计的四格表:
从上文中我们通过卡方计算公式手动计算出P在0.1到0.5,说明牛奶对感冒发病率没有影响。
下面我们通过R计算一下具体p直:
x<-matrix(c(43,28,96,84),ncol=2,nrow=2)
chisq.test(x)$p.value
此外出来2X2联表,还可以计算一维表(自由度为个数),例如下面:
判断5种品牌啤酒的爱好者有无显著差异:
P值越大,支持原假设的证据就越强,给定显著性水平α(取0.05), 当P值小于α时,就拒绝原假设。
将t.test()的结果保存下来,然后用$符号提取。如res <- t.test()
res$p.value
或者
t.test()$p.value
注意t检验中的参数照写