R 中位数的学生t检验（非平均值）

我有一个包含一列薪水的数据框。我想计算中位数周围97%的置信区间。 t、 测试计算平均值，而不是中位数。 你知道我该怎么做吗？ 这是我的列上t.test的输出：

t.test(Salary)
One Sample t-test
data:  Salary
t = 26.131, df = 93, p-value < 2.2e-16
alternative hypothesis: true mean is not equal to 0
95 percent confidence interval:
37235.65 43360.56
sample estimates:
mean of x 
40298.1 

---

谢谢

如果你的数据是成对的，你可以做一个简单的符号测试，这基本上是一个二项测试。您可以查看一个群体的样本比另一个群体的样本多的对中有多少对，并对成功/失败率进行测试

set.seed(1)

x2 <- runif(30, 0.5, 2)^2
y2 <- runif(30, 0.5, 2)^2 + 0.5

bino <- x2 < y2

binom.test(sum(bino), length(bino), conf.level=0.97)

Wilcoxon假设中位数周围对称，而简单的符号检验则不然。要记住的东西。此外，如果你想将Mann-Whitney检验解释为中位数的差异，你必须假设两个总体具有相同的形状，只有位置发生了移动

---

一种完全不同的方法是引导中位数的差异。
天真的实现：

set.seed(1)
rr <- replicate(
  1e3, 
  median(sample(x, length(x), replace=TRUE)) -
  median(sample(y, length(y), replace=TRUE))
)

rr <- jitter(rr, 50)
plot(density(rr))
qu <- quantile(rr, probs=c((1-0.97)/2, 1 - (1-0.97)/2))
abline(v=qu, col="blue")

set.seed（1）
rr如果你的数据是成对的，你可以做一个简单的符号测试，这基本上是一个二项测试。您可以查看一个群体的样本比另一个群体的样本多的对中有多少对，并对成功/失败率进行测试

set.seed(1)

x2 <- runif(30, 0.5, 2)^2
y2 <- runif(30, 0.5, 2)^2 + 0.5

bino <- x2 < y2

binom.test(sum(bino), length(bino), conf.level=0.97)

Wilcoxon假设中位数周围对称，而简单的符号检验则不然。要记住的东西。此外，如果你想将Mann-Whitney检验解释为中位数的差异，你必须假设两个总体具有相同的形状，只有位置发生了移动


一种完全不同的方法是引导中位数的差异。

天真的实现：

set.seed(1)
rr <- replicate(
  1e3, 
  median(sample(x, length(x), replace=TRUE)) -
  median(sample(y, length(y), replace=TRUE))
)

rr <- jitter(rr, 50)
plot(density(rr))
qu <- quantile(rr, probs=c((1-0.97)/2, 1 - (1-0.97)/2))
abline(v=qu, col="blue")

set.seed（1）
rr那么你想要人口中位数的97%置信区间？或者你是在寻找一个包含97%数据的区间，该区间以某种方式使用了中位数？@Dason First one，在谷歌搜索“R置信区间中位数”后，它是pop中位数的97%置信区间，你假设正态分布；人口中位数与人口平均数相同。我建议看看统计SE网站，那里有很多关于非参数测试的帖子，比如Wilcoxon或置换测试。这里有一个搜索帖子：那么你想要人口中位数的97%置信区间？或者你是在寻找一个包含97%数据的区间，该区间以某种方式使用了中位数？@Dason First one，在谷歌搜索“R置信区间中位数”后，它是pop中位数的97%置信区间，你假设正态分布；人口中位数与人口平均数相同。我建议看看统计SE网站，那里有很多关于非参数测试的帖子，比如Wilcoxon或置换测试。这里有一篇来自搜索的帖子：
set.seed(1)
rr <- replicate(
  1e3, 
  median(sample(x, length(x), replace=TRUE)) -
  median(sample(y, length(y), replace=TRUE))
)

rr <- jitter(rr, 50)
plot(density(rr))
qu <- quantile(rr, probs=c((1-0.97)/2, 1 - (1-0.97)/2))
abline(v=qu, col="blue")