R 语言经典实例（原书第 2 版）

统计概论

｜

233

形成鲜明对比的是，对于平均值为 100 的检验，

p

值为 0.9：

t.test(x, mu = 100)

#>

#> One Sample t-test

#>

#> data: x

#> t = -0.2, df = 70, p-value = 0.9

#> alternative hypothesis: true mean is not equal to 100

#> 95 percent confidence interval:

#> 96.5 103.0

#> sample estimates:

#> mean of x

#> 99.7

较大的

p

值表明样本与总体平均值

μ

为 100 的假设是一致的。在统计学术语中，数据不

提供证据拒绝均值为 100 的假设。

一个常见的情况是检验平均值为零。如果省略 mu 参数，则默认为

0

。

9.8.4 另请参阅

t.test 函数是一个很奇妙的函数。有关其他用途，请参见 9.9 节和 9.15 节。

9.9 均值的置信区间

9.9.1 问题

对于一个总体样本，需要确定总体平均值的置信区间。

9.9.2 解决方案

将 t.test 函数应用于样本 x：

t.test(x)

输出结果包括 95％置信水平的置信区间。为了得到其他置信水平的区间，请使用 conf.

level 参数。

如 9.8 节所述，如果你的样本数量

n

很小，那么总体必须是正态分布的，以便得到一个

有意义的置信区间。同样，判断样本量是否小的一个经验法则是

n

< 30。

9.9.3 讨论

将 t.test 函数应用于向量会产生大量输出。其中会有置信区间： ...