单样本t检验是用来确定一个群体的平均值是否等于某个值的。
你可以在R中使用以下基本语法来进行单样本t检验：
t.test(data, mu=10)
下面的例子展示了如何在实践中使用这种语法。
例子：R语言中的单样本T检验
假设一位植物学家想知道某一种植物的平均高度是否等于15英寸。
她收集了12种植物的简单随机样本，并记录了每一种植物的高度（英寸）。
她可以使用下面的代码在R中进行单样本t检验，以确定该种植物的平均高度是否真的等于15英寸：
#create vector to hold plant heights
my_data <- c(14, 14, 16, 13, 12, 17, 15, 14, 15, 13, 15, 14)
#perform one sample t-test
t.test(my_data, mu=15)
One Sample t-test
data: my_data
t = -1.6848, df = 11, p-value = 0.1201
alternative hypothesis: true mean is not equal to 15
95 percent confidence interval:
13.46244 15.20423
sample estimates:
mean of x
14.33333
下面是如何解释输出中的每个值：
data:t检验中使用的向量的名称。在这个例子中，我们使用了my_data。
t:t检验统计量，计算为（x-μ）/（s√n）=（14.333-15）/（1.370689/√12）=-1.6848。
df：自由度，计算为n-1=12-1=11。
p值：与-1.6848和11个自由度的t检验统计量相对应的双尾p值。在这种情况下，p=0.1201。
95%的置信区间：真实人口平均数的95%置信区间，计算为**[13.46244, 15.20423]**。
这个单样本t检验的无效假设和备选假设如下。
H0: µ = 15 (该种植物的平均高度为15英寸)
HA : µ ≠15 (平均高度不是 15英寸)
因为我们测试的P值 （0.1201） 大于0.05，所以我们不能拒绝测试的无效假设。
这意味着我们没有足够的证据说这个特定种类的植物的平均高度与15英寸不同。
