p値の続きのこちらの続き。
ブートストラップ法を用いてp値を計算してみようと試みている。
信頼区間のときにやったのと同じようなことである。
本では、12人からの体温サンプルを500回リサンプリングしている。
このとき、わずか7つが平均が37.0を超えたらしい。
だから（片側）p値が0.014だと言っている。
L<- (1:10)*1000 # リサンプリングする回数 trials<- 100 # 1リサンプリングあたりのシミュレーション回数 data<- matrix(0,trials,length(L)) # 3分くらいかかります。 for(l in L){ for(i in 1:trials){ boot<- matrix(sample(tm,size=l*length(tm),replace=TRUE),nc=length(tm)) pvalue<- sum(apply(boot,1,mean)>37)/l data[i,which(L==l)]<- pvalue } } matplot(t(data),type="p",pch=1,cex=0.2,col=1,axes=FALSE) axis(1,1:length(L),L) axis(2) lines(1:length(L),apply(data,2,mean),col=4,lwd=3)
0.01に収束している感じ。
# 片側検定で、観測平均が仮の母平均より小さいと既に期待する。 t.test(tm,mu=37,alternative="less",paired=FALSE,conf.level=0.95) One Sample t-test data: tm t = -2.0169, df = 11, p-value = 0.03439 alternative hypothesis: true mean is less than 37 95 percent confidence interval: -Inf 36.97443 sample estimates: mean of x 36.76667
p値が0.034とかなり差があるけどいいのかな?
