t检验（连续变量）和卡方检验（分类变量）

目录

情形

不同种类的萼片差异

数据类型查看：

差异分析：

不同萼片的种类差异

数据准备

二分类卡方检验

绘图

---

情形

：当有两列数据进行分析比较时，一列为连续变量，一列数据为分类变量。

rm(list = ls()) 
library(ggplot2)
library(ggpubr)
library(cowplot)
data 

如下整理鸢尾花部分数据：“Sepal.Length”是连续变量，“Species”只选择了两种数据。

分析两列数据：2种情况

①比较不同种类的萼片长度是否存在差异。

②比较不同萼片长度的种类是否存在差异。

不同种类的萼片差异

数据类型查看：

数据分布检测：第六讲 R-数据正态分布检验 – 知乎 (zhihu.com)

#①比较不同种类的萼片长度是否存在差异。
#分析方法选择
shapiro.test(data2$Sepal.Length)
#W = 0.96964, p-value = 0.02076 不符合正太分布

#密度图
ggdensity(data2$Sepal.Length, 
          main = "Density plot of sepal length",
          xlab = "sepal length")
#正态性测试对样本量敏感。小样本最常通过正态性测试。
#因此，重要的是将外观检查和显着性测试相结合以做出正确的决定
#综合分析也可以采用t检验

数据分布情况

差异分析：

#pdf("plot.pdf",width = 4,height = 4)##保存图片
p 

不同萼片的种类差异

将萼片长度分为二分类变量（如：长短），然后分析不同萼片组的种类是否存在差异

数据准备

##数据准备
rm(list = ls()) 
library(ggplot2)
library(ggpubr)
library(cowplot)
data 

二分类卡方检验

R语言卡方检验最全总结_医学和生信笔记的博客-CSDN博客

R语言—卡方检验 – 知乎 (zhihu.com)

R=C=2时四格表卡方检验

当 n(样本量)≥40 且所有的T(期望频数)≥5时，用2检验的基本公式或四格表资料之2检验的专用公式；当P ≈ 时，改用四格表资料的 Fisher 确切概率法；
当 n≥40 但有 1≤T 当 n

#生服务器托管网成二维列联表
mytable 

绘图

比例计算

##绘制堆砌图并展示结果
#表格汇总结果（为了展示比例）
result % 
  group_by(Species, SepalLength) %>%
  summarize(count = n()) %>%
  mutate(proportion = count / sum(count))
print(result)# 输出结果
result 

完整图

#pdf("plot.pdf",width = 4,height = 4)##保存图片
ggplot(data3,aes(x=SepalLength,#X轴
                     fill=Species))+
  geom_bar(position = "fill")+
  scale_y_continuous(expand = expansion(mult=c(0.01,0.1)),##展示百分比服务器托管网
                     labels = scales::percent_format())+
  scale_fill_manual(values = c("setosa"="#98d09d","versicolor"="#dadada"),##根据需求修改配色
                    limits=c("setosa","versicolor"))+
  theme_set(theme_bw())+
  theme(panel.grid = element_blank())+#不展示网格线
  geom_text(data=dat01,##展示比例
            aes(x=SepalLength,y=0.05,#设置Y轴展示的位置
                label=paste0(dat01$proportion)),##展示的是比例
            inherit.aes = FALSE,
            vjust=-0.2)+
  geom_text(aes(x = 1.5, y = 1.1,#调整文本注释位置
                label = "p-value 1.244e-15"))+#添加P(前面计算)
  labs(title = "AAABBB",#标题
       x="SepalLength",
       y="Species")
dev.off()

更多绘图细节

ggplot2作图最全教程（上） – 知乎 (zhihu.com)

ggplot2作图最全教程（下） – 知乎 (zhihu.com)

服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net

相关推荐: Kernel Memory 入门系列：自定义处理流程

Kernel Memory 入门系列：自定义处理流程 在整个文档预处理的流程中，涉及到很多的处理步骤，例如：文本提取，文本分片，向量化和存储。这些步骤是Kernel Memory中的默认提供的处理方法，如果有一些其他的需求，也可以进行过程的自定义。 自定义Ha…