R 卡方检验的P值

我的值为卡方=23.426，df=3，alpha=0.05（alpha为显著性水平）

---

如何计算r中的p值？

r中有大量概率分布函数，请参阅

对于您的，您需要

pchisq（）

函数，其中p值由

1-pchisq(23.426, 3)

---

关于p值和alpha

p值是假设零假设为真的结果概率。换言之，仅通过抽样误差和零假设成立，样本与零假设不同的概率是多少。考虑下面的例子；xBase是一个与0没有差异的总体（它是一个标准正态分布，总体平均值为0）。我们有一个零假设，即总体中的平均值为零，并希望测试该零，并且（在本例中）我们知道零是真的-通常我们不知道。我们可以对50个人进行抽样，得到一个（非零）样本均值，并进行t检验，根据我们的均值和样本量，告诉我们零为真的概率是多少。重复20000次，使用

sum（pOut）

我们可以看到1004个样本返回的p值小于0.05，假阳性率为0.0502

set.seed(1)
# Create a base population 
xBase <- rnorm(100000,0,1)

# Repeated sampling of base population 
pOut <- vector()
for(i in 1:20000){
  # Sample that population
  xSample <- sample(xBase, 50) 
  # Perform t test (storing whether p < 0.05)
  pOut[i] <- 1 - pt(
    (mean(xSample) - 0)/(sd(xSample)/sqrt(50)), 
    50 - 1) < 0.05
}

# False positive rate 
mean(pOut)

set.seed（1）
#创建基本人口
xBase
1-pchisq（q=23.426，df=3）
OK！非常感谢。：）但问题是，我想计算这个α值的p值，它是0.05。我知道如何在没有这个α的情况下计算p值。但是我想考虑这个alpha值进行计算。请参阅编辑以澄清，alpha不影响p的计算。
set.seed(1)
# Create a base population 
xBase <- rnorm(100000,0,1)

# Repeated sampling of base population 
pOut <- vector()
for(i in 1:20000){
  # Sample that population
  xSample <- sample(xBase, 50) 
  # Perform t test (storing whether p < 0.05)
  pOut[i] <- 1 - pt(
    (mean(xSample) - 0)/(sd(xSample)/sqrt(50)), 
    50 - 1) < 0.05
}

# False positive rate 
mean(pOut)