R戦闘|カイ二乗検定とその視覚化
カイ二乗検定
カイ二乗検定は、分布に基づく広く使用されている仮説検定方法です。ノンパラメトリック検定法です。テストは、統計サンプルの実際の観測値と理論的に推定された値の間の偏差の程度です。実際の観測値と理論的に推定された値の間の偏差の程度は、カイ2乗値のサイズを決定します。二乗値が大きいほど、2つの間の偏差の程度が大きくなります.2つの値が完全に等しい場合、カイ2乗値は0であり、理論値が完全に一致していることを示します。その帰無仮説は、観測された頻度が予想された頻度と有意に異ならないというものです。テストの主な目的は3つあります。1サンプルの分散の均一性、独立性、および適合性です。
独立性テスト
独立性のテストでは、分割表の2つの変数が対になっていない観測値で互いに独立しているかどうかを評価します。
適合度
適合度検定は、観測された度数分布が理論上の分布と異なるかどうかを示します。
視覚化
# 安装并加载ggstatsplot包
install.packages('ggstatsplot')
library(ggstatsplot)
円グラフ
ggpiestats
この関数は、グラフのサブタイトルに分割表分析の結果を含むカテゴリ変数の円グラフを作成します(被験者間デザインのピアソンのカイ二乗検定と被験者内デザインのマクネマーのカイ二乗検定)。カテゴリ変数を1つだけ入力すると、1サンプルの比率検定(カイ2乗適合度検定)の結果がサブタイトルとして表示されます。
## 设置种子可重复
set.seed(123)
## 绘制
ggpiestats(
data = mtcars,
x = am,
y = cyl,
package = "wesanderson",
palette = "Royal1",
title = "Dataset: Motor Trend Car Road Tests", ## title for the plot
legend.title = "Transmission", ## title for the legend
caption = "Source: 1974 Motor Trend US magazine"
)
デフォルトの結果
✅記述(頻度)✅推定統計✅効果量+信頼区間✅フィットネステスト✅ベイズ仮説検定✅ベイズ推定
grouped_ggpiestats
##单组内
set.seed(123)
grouped_ggpiestats(
data = mtcars,
x = cyl,
grouping.var = am, ##分组变量
label.repel = TRUE,
package = "ggsci",
palette = "default_ucscgb"
)
ヒストグラム
ggbarstats
# install.packages('hrbrthemes')
set.seed(123)
library(ggplot2)
## plot
ggbarstats(
data = mtcars,
x = am,
y = cyl,
title = "Dataset: Motor Trend Car Road Tests", ## title for the plot
legend.title = "Transmission",
xlab = "am",
ggtheme = hrbrthemes::theme_ipsum_pub(),
ggplot.component = list(ggplot2::scale_x_discrete(guide = ggplot2::guide_axis(n.dodge = 2))),
palette = "Set2"
)
grouped_ggbarstats
set.seed(123)
grouped_ggbarstats(
data = mtcars,
x = am,
y = cyl,
grouping.var = vs,
package = "wesanderson",
palette = "Darjeeling2",
ggtheme = ggthemes::theme_tufte(base_size = 12)
)