R binom.test 精确二项式检验

说明

对伯努利实验成功概率的简单原假设进行精确检验。

用法

binom.test(x, n, p = 0.5,
           alternative = c("two.sided", "less", "greater"),
           conf.level = 0.95)

参数

x	成功次数，或长度为 2 的向量，分别给出成功和失败的次数。
n	试验次数；如果 x 的长度为 2，则忽略。
p	假设的成功概率。
alternative	表示备择假设，并且必须是 "two.sided" 、 "greater" 或 "less" 之一。您可以仅指定首字母。
conf.level	返回的置信区间的置信水平。

细节

置信区间是通过 Clopper 和 Pearson (1934) 首次给出的程序获得的。这保证置信水平至少为 conf.level ，但通常不会给出 shortest-length 置信区间。

值

类"htest" 的列表包含以下组件：

statistic	成功的次数。
parameter	试验次数。
p.value	检验的 p 值。
conf.int	成功概率的置信区间。
estimate	估计的成功概率。
null.value	空值 p 下成功的概率。
alternative	说明备择假设的字符串。
method	字符串 "Exact binomial test" 。
data.name	给出数据名称的字符串。

例子

## Conover (1971), p. 97f.
## Under (the assumption of) simple Mendelian inheritance, a cross
##  between plants of two particular genotypes produces progeny 1/4 of
##  which are "dwarf" and 3/4 of which are "giant", respectively.
##  In an experiment to determine if this assumption is reasonable, a
##  cross results in progeny having 243 dwarf and 682 giant plants.
##  If "giant" is taken as success, the null hypothesis is that p =
##  3/4 and the alternative that p != 3/4.
binom.test(c(682, 243), p = 3/4)
binom.test(682, 682 + 243, p = 3/4)   # The same.
## => Data are in agreement with the null hypothesis.

参考

Clopper, C. J. & Pearson, E. S. (1934). The use of confidence or fiducial limits illustrated in the case of the binomial. Biometrika, 26, 404-413. doi:10.2307/2331986.

William J. Conover (1971), Practical nonparametric statistics. New York: John Wiley & Sons. Pages 97-104.

Myles Hollander & Douglas A. Wolfe (1973), Nonparametric Statistical Methods. New York: John Wiley & Sons. Pages 15-22.

也可以看看

prop.test 用于相等或给定比例的一般(近似)测试。