用R写自己的测试（平均测试）

我需要在R中写一个自己的测试，借助于两个未知分布的随机变量X和Y的给定测试统计量的平均值

我得到以下代码：

mean.test <- function(x, y, B=10000,
alternative=c("two.sided","less","greater"))
{

p.value <- 0
alternative <- match.arg(alternative)

s<-replicate(B, (mean(sample(c(x,y), B, replace=TRUE))-mean(sample(c(x,y), B, replace=TRUE)))) # random samples of test statistics
t <- mean(x) - mean(y) #teststatistics t    
p.value <- 2 * (1- pnorm(mean(s)))   #try to calculate p value 

data.name <- deparse(substitute(c(x,y)))
names(t) <- "difference in means"
zero <- 0
names(zero) <- "difference in means"
return(structure(list(statistic = t, p.value = p.value,
method = "mean test", data.name = data.name,
observed = c(x,y), alternative = alternative,
null.value = zero),
class = "htest"))
}

应输出：

mean test
data: c(rnorm(100, 50, 4), rnorm(100, 51, 5))
difference in means = -2.0224, p-value = 0.0011
alternative hypothesis: true difference in means is less than 0

但它输出：

mean test

data:  c(rnorm(100, 50, 4), rnorm(100, 51, 5))
difference in means = -0.68157, p-value = 1
alternative hypothesis: true difference in means is less than 0

---

我确信我计算p值的方法是错误的。此外，在本例中，相互减去的平均值是错误的，但在本练习的其他示例中是正确的。对于如何计算p值，我真的很困惑。如何计算？

您对

p值的计算不应该依赖于
备选方案吗？
？我只知道，当备选方案设置为较小或较大时，计算结果不同。我只是不知道怎么做。你的统计书怎么说？它通常相当明确地给出。在试图用代码实现测试之前，您需要了解它。例如，方差不应该起作用吗？我的统计书说，p值是用分位数（）计算的，如果满足H0，如果满足备选方案，那么它的计算方式是p值=2*（1-F_N（0,1））（abs（t（X，Y））。我已经实现了这一点，但它并不像你看到的那样工作，其中F_N（0,1））是标准分布函数，t（X，Y）检验统计。我认为你的检验统计是错误的。它太简单了。它不应该包括对共同方差的估计吗（例如合并方差）或者某种标准误差的估计？假设两种分布的方差都为1，那么你所得到的几乎是有效的。
p值的计算不应该依赖于
alternative
？我只知道，当alternative设置为更小或更大时，计算结果是不同的。我只是不知道如何计算。Wh你的统计书是怎么说的？它通常是相当明确的。在你试图用代码实现它之前，你需要理解一个测试。例如，方差不应该起作用吗？我的统计书说，p值是用分位数（）计算的，如果满足H0，如果满足替代值，那么它的计算方式是p值=2*（1-F_N（0,1））（abs（T（X，Y）））。我已经实现了这一点，但它不起作用，正如你所看到的，其中F_N（0，1））是标准分布函数，T（X，Y）是检验统计量。我认为你的检验统计量是错误的。它太简单了。它不应该包括对共同方差的估计（例如，合并方差）或者某种标准误差的估计？在假设两个分布的方差都为1的情况下，你所得到的几乎是有效的。
mean test

data:  c(rnorm(100, 50, 4), rnorm(100, 51, 5))
difference in means = -0.68157, p-value = 1
alternative hypothesis: true difference in means is less than 0