Package infer

infer 包是一款现代化的统计推断包，它提供了一套统一的语法来执行假设检验和置信区间估计，特别注重随机模拟和置换测试。

infer::prop_test()

^8af298

列表内容

prop_test() 函数的输出是一个包含检验结果的列表，通常包括以下组件： - statistic: 检验统计量的值。 - chisq_df：? - p_value: 检验的 p 值。 - alternative: 指定的备择假设类型。 - lower_ci：? - upper_ci：? - estimate: 样本中成功事件的比例估计。 - null.value: 在零假设下的比例值。

• method: 所使用检验的方法描述。

prop_test() 函数主要用来进行比例的假设检验，它可以用来检验一个样本比例是否等于某个指定的值（单样本比例检验），或者比较两个独立样本的比例（两个样本比例的检验）。

函数定义通常如下：

prop_test(x, success = NULL, p = NULL, alternative = c("two-sided", "greater", "less"), ...)

• x: 一个因子、逻辑、整数或数值向量。在两个比例进行比较时，x 是一个因子，代表分组变量。

• response：如果x是一个数据框，这里需要指定对象。

  prop_test(data_q4, response = have_children,success = "Yes") # Yes作为成功事件
  

• success: 用来指定哪个水平作为“成功”的事件。在两个比例进行比较时，success 是一个字符向量，长度为 1。

• p: 零假设下的比例值。在两个比例进行比较时，p 不需要指定。

• alternative: 一个字符字符串，指定备择假设的类型。可以是 "two-sided"、"greater" 或 "less"。

• ...: 其他可能的参数，例如数据集（使用 data 参数）。

举例

假设我们有一组数据，记录了100个人中是否吸烟的情况，其中有70个人吸烟。我们可以使用prop_test()函数来进行比例检验，判断吸烟者在总体中的比例是否显著不同于一个特定的比例。

首先，我们需要将数据转换为二项式数据，即将吸烟者记为1，非吸烟者记为0。然后，我们可以使用prop_test()函数进行比例检验。

library(infer)

# 创建数据
smokers <- rep(1, 70)
nonsmokers <- rep(0, 30)
data <- c(smokers, nonsmokers)

# 进行比例检验
prop_test(data, ~ response == 1, null = 0.5, alternative = "twosided")

在上述示例中，response参数指定了二项式数据中表示吸烟者的变量。我们使用formula语法~ response == 1来指定response变量为1表示吸烟者。

在prop_test()函数中，我们还需要指定null参数来表示我们要检验的比例值，这里我们假设为0.5。alternative参数用于指定检验的方向，这里我们选择"twosided"表示双侧检验。

函数的输出结果将提供比例检验的统计量和p值等信息，用于评估吸烟者在总体中的比例是否显著不同于0.5。