我正在尝试解决以下问题:
玩家A在25场比赛中赢得17场比赛,而玩家B在20场比赛中赢得8场比赛-两种比率之间是否有显着差异?
在R中想到的事情如下:
> prop.test(c(17,8),c(25,20),correct=FALSE)
2-sample test for equality of proportions without continuity correction
data: c(17, 8) out of c(25, 20)
X-squared = 3.528, df = 1, p-value = 0.06034
alternative hypothesis: two.sided
95 percent confidence interval:
-0.002016956 0.562016956
sample estimates:
prop 1 prop 2
0.68 0.40
因此,该测试表明,在95%的置信水平下,差异并不显着。
因为我们知道那prop.test()
仅是使用近似值,所以我想通过使用精确的二项式检验使事情更精确-并且我同时采用了两种方法:
> binom.test(x=17,n=25,p=8/20)
Exact binomial test
data: 17 and 25
number of successes = 17, number of trials = 25, p-value = 0.006693
alternative hypothesis: true probability of success is not equal to 0.4
95 percent confidence interval:
0.4649993 0.8505046
sample estimates:
probability of success
0.68
> binom.test(x=8,n=20,p=17/25)
Exact binomial test
data: 8 and 20
number of successes = 8, number of trials = 20, p-value = 0.01377
alternative hypothesis: true probability of success is not equal to 0.68
95 percent confidence interval:
0.1911901 0.6394574
sample estimates:
probability of success
0.4
现在这很奇怪,不是吗?每次的p值完全不同!现在,在这两种情况下,结果都是(高度)显着的,但p值似乎很随意地跳来跳去。
我的问题
- 为什么每次的p值都不同?
- 如何在R中正确执行精确的两个样本比例二项式检验?
prop.test
vschisq.test
),但是在这个问题中存在相同的基本概念。在三个示例中的每个示例中,您正在运行三个具有不同“空假设”的不同测试。