1. #----------------------------------------#
  2. # R in Action (2nd ed): Chapter 10 #
  3. # Power analysis #
  4. # requires packages pwr to be installed #
  5. # install.packages("pwr") #
  6. #----------------------------------------#
  7.  
  8. par(ask=TRUE)
  9.  
  10. library(pwr)
  11.  
  12. # t tests
  13. pwr.t.test(d=.8, sig.level=.05,power=.9, type="two.sample",
  14. alternative="two.sided")
  15. pwr.t.test(n=20, d=.5, sig.level=.01, type="two.sample",
  16. alternative="two.sided")
  17.  
  18. # ANOVA
  19. pwr.anova.test(k=5,f=.25,sig.level=.05,power=.8)
  20.  
  21. # Correlations
  22. pwr.r.test(r=.25, sig.level=.05, power=.90, alternative="greater")
  23.  
  24. # Linear Models
  25. pwr.f2.test(u=3, f2=0.0769, sig.level=0.05, power=0.90)
  26.  
  27. # Tests of proportions
  28. pwr.2p.test(h=ES.h(.65, .6), sig.level=.05, power=.9,
  29. alternative="greater")
  30.  
  31. # Chi-square tests
  32. prob <- matrix(c(.42, .28, .03, .07, .10, .10), byrow=TRUE, nrow=3)
  33. ES.w2(prob)
  34. pwr.chisq.test(w=.1853, df=3 , sig.level=.05, power=.9)
  35.  
  36. # Listing 10.1 - Sample sizes for detecting significant effects in a One-Way ANOVA
  37. es <- seq(.1, .5, .01)
  38. nes <- length(es)
  39. samsize <- NULL
  40. for (i in 1:nes){
  41. result <- pwr.anova.test(k=5, f=es[i], sig.level=.05, power=.9)
  42. samsize[i] <- ceiling(result$n)
  43. }
  44. plot(samsize,es, type="l", lwd=2, col="red",
  45. ylab="Effect Size",
  46. xlab="Sample Size (per cell)",
  47. main="One Way ANOVA with Power=.90 and Alpha=.05")
  48.  
  49. # Listing 10.2 - Sample size curves for dtecting corelations of various sizes
  50. library(pwr)
  51. r <- seq(.1,.5,.01)
  52. nr <- length(r)
  53. p <- seq(.4,.9,.1)
  54. np <- length(p)
  55. samsize <- array(numeric(nr*np), dim=c(nr,np))
  56. for (i in 1:np){
  57. for (j in 1:nr){
  58. result <- pwr.r.test(n = NULL, r = r[j],
  59. sig.level = .05, power = p[i],
  60. alternative = "two.sided")
  61. samsize[j,i] <- ceiling(result$n)
  62. }
  63. }
  64. xrange <- range(r)
  65. yrange <- round(range(samsize))
  66. colors <- rainbow(length(p))
  67. plot(xrange, yrange, type="n",
  68. xlab="Correlation Coefficient (r)",
  69. ylab="Sample Size (n)" )
  70. for (i in 1:np){
  71. lines(r, samsize[,i], type="l", lwd=2, col=colors[i])
  72. }
  73. abline(v=0, h=seq(0,yrange[2],50), lty=2, col="grey89")
  74. abline(h=0, v=seq(xrange[1],xrange[2],.02), lty=2, col="gray89")
  75. title("Sample Size Estimation for Correlation Studies\n
  76. Sig=0.05 (Two-tailed)")
  77. legend("topright", title="Power", as.character(p),
  78. fill=colors)

吴裕雄--天生自然 R语言开发学习:功效分析的更多相关文章

  1. 吴裕雄--天生自然 R语言开发学习:R语言的安装与配置

    下载R语言和开发工具RStudio安装包 先安装R

  2. 吴裕雄--天生自然 R语言开发学习:数据集和数据结构

    数据集的概念 数据集通常是由数据构成的一个矩形数组,行表示观测,列表示变量.表2-1提供了一个假想的病例数据集. 不同的行业对于数据集的行和列叫法不同.统计学家称它们为观测(observation)和 ...

  3. 吴裕雄--天生自然 R语言开发学习:导入数据

    2.3.6 导入 SPSS 数据 IBM SPSS数据集可以通过foreign包中的函数read.spss()导入到R中,也可以使用Hmisc 包中的spss.get()函数.函数spss.get() ...

  4. 吴裕雄--天生自然 R语言开发学习:使用键盘、带分隔符的文本文件输入数据

    R可从键盘.文本文件.Microsoft Excel和Access.流行的统计软件.特殊格 式的文件.多种关系型数据库管理系统.专业数据库.网站和在线服务中导入数据. 使用键盘了.有两种常见的方式:用 ...

  5. 吴裕雄--天生自然 R语言开发学习:R语言的简单介绍和使用

    假设我们正在研究生理发育问 题,并收集了10名婴儿在出生后一年内的月龄和体重数据(见表1-).我们感兴趣的是体重的分 布及体重和月龄的关系. 可以使用函数c()以向量的形式输入月龄和体重数据,此函 数 ...

  6. 吴裕雄--天生自然 R语言开发学习:基础知识

    1.基础数据结构 1.1 向量 # 创建向量a a <- c(1,2,3) print(a) 1.2 矩阵 #创建矩阵 mymat <- matrix(c(1:10), nrow=2, n ...

  7. 吴裕雄--天生自然 R语言开发学习:图形初阶(续二)

    # ----------------------------------------------------# # R in Action (2nd ed): Chapter 3 # # Gettin ...

  8. 吴裕雄--天生自然 R语言开发学习:图形初阶(续一)

    # ----------------------------------------------------# # R in Action (2nd ed): Chapter 3 # # Gettin ...

  9. 吴裕雄--天生自然 R语言开发学习:图形初阶

    # ----------------------------------------------------# # R in Action (2nd ed): Chapter 3 # # Gettin ...

  10. 吴裕雄--天生自然 R语言开发学习:基本图形(续二)

    #---------------------------------------------------------------# # R in Action (2nd ed): Chapter 6 ...

随机推荐

  1. HTTP、MQTT、WebSocket有什么区别

    https://blog.csdn.net/linyunping/article/details/81950185 相同点:均为OSI 7层模型(应用层.表示层.会话层.传输层.网络层.数据链路层.物 ...

  2. 【图论算法】Dijstra&BFS

    选择V-S中的点加入S时用了贪心思想,即求d[]中legth最小且未被标记(未加入加入S)的点. 一点都没优化的实现: import java.lang.reflect.Array; /** * Cr ...

  3. 第二季第八天 part2

    for (let i = 0; i < 3; i++) { log(i) } log(i) // 结果是 undefined let和const的作用域只在花括号内 let和const不能重复声 ...

  4. swoole使用内存

    //swoole直接操作系统的内存 单线程每秒可执行三百万次 主要用于进程间的数据通信 $swoole_table = new swoole_table(1024);//1024为内创建内存对象所能存 ...

  5. springboot学习笔记:9.springboot+mybatis+通用mapper+多数据源

    本文承接上一篇文章:springboot学习笔记:8. springboot+druid+mysql+mybatis+通用mapper+pagehelper+mybatis-generator+fre ...

  6. java类为什么要实现Serializable接口

    什么是Serializable接口? 一个对象序列化的接口.一个类只有实现了Serializable接口,它的对象才能被序列化. 什么是序列化? 将对象的状态信息转换为可以存储或传输的形式的过程. 在 ...

  7. 2019-ECfinal-M题-value

    题目传送门 sol:每个下标都有选和不选两种情况,所以总方案数是$2^{n}$,在$n$最大是$100000$的情况下不符合要求.可以这样想,假设$i^{p}=k$有符合题目要求的解,还有一个整数$j ...

  8. 编译原理_P1002

    . 词法分析 1.1 词法记号及属性 词法记号.模式.词法单元 记号名 词法单元列举    模式的非形式描述 if if 字符i,f for for     字符f,o,r relation < ...

  9. ionic 创建服务命令

    创建Util工具库 ionic g provider Util

  10. 熊海CMS_1.0 代码审计

    熊海是一款小型的内容管理系统,1.0版本是多年前的版本了,所以漏洞还是比较多的,而且审计起来难度不大,非常适合入门,所以今天我进行这款cms的代码审计.程序安装后使用seay源代码审计系统打开,首先使 ...