1、正态总体均值的假设检验

单个总体情况（检验样本是否符合等于某个均值）

t.test(x,y=Null, #只提供x为单个正态总体均值检验,否则为两个总体均值检验

alternative=c(“two.side”,”less”,”greater”),#双边检验 单边检验

mu=0,#原假设:uo=0,均值为某个具体数字

paired=FALSE,

var.equal=FALSE, #方差齐性选项

conf.level=.95)# 置信水平95%

两个总体情况（检验两个总体数据是否一致u1=u2）

t.test(x,y) 同上

成对数据t-检验（检验两个总体数据是否一致）

t.test(X-Y,…..)

2、正态总体方差检验

单个总体情况（方差是否为某一值）

两个样本情况（两个样本方差是否相同）

var.test(x,y,ratio=1, #方差比原假设,默认为1

alternative=c(“two.side”,”less”,”greater”),

conf.level=.95)

3、二项分布总体的假设检验 （检验样本是否服从概率等于[大于或小于]某种数值）

binom.test(x,n,p=0.5, # x是成功次数,n是试验总数,p是原假设，默认概率为0.5

alternative=c(“two.side”,”less”,”greater”),

conf.level=.95)

若干重要的非参数检验（从样本获取分布形式及信息）

Pearson拟合优度卡方检验

理论分布完全已知情况（某个数据是否符合已知的分布形式(根据概率)）

chisq.test(x,y=Null,# x是观察数据(向量或矩阵)，y是数据向量(x为矩阵时y无效)

correct=TRUE, #是否用于连续修正

p=rep(1/length(x),length(x)),#原假设落在小区间的理论概率，缺失表示均匀分布

rescale.p=FALSE,#FALSE要求所有区间的概率相加为1，TRUE不要求这点

simulate.p.value=FALSE,

B=2000)

理论分布依赖若干未知参数

K-S检验

单样本检验

ks.test(X,“pnorm”,0.5)

双样本检验（检验两个分布是否相同）

ks.test(X,Y)

4、列联表数据独立性检验（变量之间是否存在关系）

Pearson卡方检验

chisq.test()只需要将列联表写成矩阵形式

fisher精确的独立性检验       2*2特殊列联表

fisher.test(x,y=Null,#二维列表形式矩阵或因子构成的对象，y因子构成的对象

         workspace=200000,

         hybrid=FALSE,#FALSE精确计算概率TRUE混合算法计算概率

control=list(),

or=1,alternative=”two.side”,

conf.int=TRUE,conf.level=0.95)#置信区间 置信水平

McNemar检验(在相同个体上的两次检验，检验数据两个相关分布频数比变化的显著性)

Mcnemar.test(x,y=Null,correct=TRUE)#二维列表形式的矩阵或由因子构成的对象

5、符号检验

检验一个样本是否来自某个总体

Binom.test(sum(x>0)，length(x),alternative=”l”) #利用概率思想P=0.5 中位数与0比较

用成对样本来检验两个总体是否具有显著差异

Binom.test(sum(x>y)，length(x))

6、秩统计量

rank()

7、秩相关检验（X，Y是否相互独立，原假设：相互独立（不相关））

Spearman秩相关检验

cor.test(x,y,

alternative=c(“two.side”,”less”,””greater),

method=”spearman”,conf.level=0.95)

kendall相关检验

cor.test(x,y,

alternative=c(“two.side”,”less”,” greater”),

method=”kendall”,conf.level=0.95)

8、wilcoxon秩检验

来自一个总体样本的检验(原假设：1、一个总体符合中位数为某一数值的假设

2、成对样本，两个总体不存在差异X1-X2)

非成对样本的秩和检验(原假设：两个总体中位数相同)

Wilcox.test.(x,y=Null,# 观察数据构成的向量

Alternative=c(“two.side”,”less”,”greater”),

Mu=0,#待检验参数 如总体中位数为0

Paired=FALSE,exact=Null,correct=TRUE,#exact是否精确计算P值

Conf.int=FALSE,conf.level=0.95)