R 用t检验求两个向量中观测状态的pv值

我计划在网络数据上使用它

我的网络有两种边。 我编写了一个函数，分别返回这两种边类型的indegree，让您看看它是什么样子：

    Node    G_obs   R_obs
1   N1      3       2
2   N2      1       0
3   N3      9       0
4   N4      1       4
5   N5      1       0
...

我还编写了另一个函数，对网络边缘进行采样。以下是这之后的情况：

    Node    G_obs   R_obs
1   N1      4       1
2   N2      1       0
3   N3      3       6
4   N4      3       2
5   N5      1       0
...

注意，G_obs+R_obs，即节点的索引保持不变

我想知道每个节点的pValue，以便在G_obs和R_obs之间分割最初观察到的indegree

编辑： 对不起，这似乎有点太不清楚了。 我不想要观察到的分布的行概率。 我想要观察到的G_obs的概率，R_obs为每个节点分割，其中sample（G_obs）+sample（R_obs）对节点的和仍然与之前相同。 下次我应该找一位英语为母语的人商量更好的措辞。。希望我现在能更清楚地描述这个问题：(

编辑2

观察：

    Node    G_obs   R_obs
1   N1      3       2
2   N2      1       0
3   N3      9       0
4   N4      1       4
5   N5      1       0

如你所见，N1有5条边缘。其中3条是绿色（G_obs），2条是红色（R_obs）

对于所示的5个节点，我们总共有15条绿色边和6条红色边。 现在，我们“采样”所有绿色和红色边，也就是将它们重新分布在指定的列中-但同时，N1仍有5条边。（参见上面的采样示例，其中

    Node    G_obs   R_obs
1   N1      4       1
...

我已经有了一个正确提供“采样”的函数（此函数的占位符：

mySample（graph）

），并且需要一个函数来获取mySample，使用它（例如1000次），并计算每个节点原始观测的可能性

谢谢你的帮助

---

谢谢你

听起来你在追求一个二项式概率（在两种类型之间随机划分边将产生与最初观察到的相同分布的概率）

您可以使用

dbinom（）

函数计算这些概率：

transform(
  df,
  prob_same = dbinom(G_obs, G_obs + R_obs, prob = .5)
)

数据

df <- read.table(
  text = "
   Node    G_obs   R_obs
N1      3       2
N2      1       0
N3      9       0
N4      1       4
N5      1       0
  ",
  header = TRUE
)

---

df感谢您提供了快速的答案和简短的方法！什么是
prob=.5
do？您能解释一下这个值吗？
prob=.5
只是指出，当在G_obs和R_obs之间随机放置边时，给定边是G_obs的概率是0.5。该方法在所有可能的d之间计算prob_是否正确通过只看这一行来分配每一行，还是它也考虑了所有其他的边？（我需要后者）你最初的问题要求Pvalue（我读作“概率”）每个节点的概率。上面的解决方案给出了每个节点的一个概率。您是否在寻找所有节点都具有相同分布的单一概率？您的解释正确，但我想知道您的答案是按行计算还是像应用t.test一样，其中每行获得一个pValue，但仍然使用整列计算。它是很难得到-很抱歉。在这样的时候，我错过了下午的后续问题