R 皮尔逊与成对检验的矛盾
我有两个长度相同的向量R 皮尔逊与成对检验的矛盾,r,statistics,R,Statistics,我有两个长度相同的向量a和b。向量包含游戏已玩的次数。例如,游戏1在组a中玩265350,而在组b中玩52516 a <- c(265350, 89148, 243182, 208991, 113090, 124698, 146574, 33649, 276435, 9320, 58630, 20139, 26178, 7837, 6405, 399) b <- c(52516, 42840, 60571, 58355, 46975, 47262, 58197, 42074, 500
a
和b
。向量包含游戏已玩的次数。例如,游戏1在组a
中玩265350
,而在组b
中玩52516
a <- c(265350, 89148, 243182, 208991, 113090, 124698, 146574, 33649, 276435, 9320, 58630, 20139, 26178, 7837, 6405, 399)
b <- c(52516, 42840, 60571, 58355, 46975, 47262, 58197, 42074, 50090, 27198, 45491, 43048, 44512, 27266, 43519, 28766)
我得到一个p值0.2348,这意味着两个向量是独立的(H为真)
但是当我运行
pairwise.prop.test(a,b)
并得到所有的pairwise p值时,几乎所有的p值都非常低,这意味着两个向量之间存在成对依赖关系,但这与第一个结果相反。这怎么可能 成对.prop.test不是针对您的案例的正确测试
正如文件中提到的:
计算成对比例之间的成对比较,并对多次测试进行校正
而且:
x(第一个参数)。成功计数向量或具有两列的矩阵,分别给出成功计数和失败计数 及 n(第二个参数)。
试验计数向量;如果x是矩阵,则忽略
因此,
x
在n
中成功的试验数,即x这是一个交叉验证的问题。我应该使用chisq.测试(cbind(a,b))而不是chisq.测试(a,b)?第一个给出的p值较低,而第二个给出的p值超过0.05。您可以在?chisq.test
中查看详细信息部分。对此,最安全的选择似乎是chisq.test(a,b)
。
chisq.test(a,b)