如何计算 R 中 T 分数的 P 值？

为了接受或拒绝您的公司或某人提供给您的样本，或者基本上只是为了检查数据，计算了 p 值。计算 p 值后，我们将 p 值与显着性水平 (α) 进行比较，即根据公司的不同，分别为 0.05 或 0.01。如果计算出的 p 值小于显着性水平，我们可能会拒绝样本，否则我们可能会接受样本。

R 有一个简单的函数，当使用适当的参数调用时会产生所需的结果。

Syntax: pt(q, df, lower.tail = TRUE)

Parameters:

• q: t-score
• df: degrees of freedom(n-1)
• lower.tail: If the value is TRUE then we are going to calculate the probability to the left of q which is called as left-tailed test otherwise the probability right of q i.e. FALSE.  Which is called as right-tailed test.

方法：

• 定义要传递给函数的所有必需值
• 使用 t-score、df 和函数计算 p 值
• 将 p 值与显着性水平进行比较。
• 打印结果

左尾检验：

假设检验，其中拒绝区域位于分布的最左侧。如果替代假设（Ha）包含小于不等式，则它是左尾检验。让我们举个例子，将 t-score 取为 -1.549，将 df 取为 14。

例子：

R

# Finding the p-alue.
p_value=pt(q=-1.549, df=14, lower.tail = TRUE)
  
p_value

输出：

0.07184313

结果 p 值大于显着性水平 0.05，也大于显着性水平 0.1。因此，我们可以得出结论，我们可以在 α=0.05 的显着性水平和 α=0.01 的显着性水平上接受样本（零假设）。

右尾检验：

假设检验，其中拒绝域位于分布的最右侧。如果替代假设包含大于不等式，则它是左尾检验。让我们举个例子，将 t-score 取为 1.87，将 df 取为 24。

例子：

电阻

# Finding the p-value
p_value=pt(q=1.87, df=24, lower.tail=FALSE)
  
p_value

输出：

 0.03686533

结果 p 值小于显着性水平 0.05，并且还可以看出它大于显着性水平 0.1。因此我们可以得出结论，在 α=0.05 的显着性水平上应该拒绝零假设，并且我们可以在 α=0.01 的显着性水平上接受样本。

双尾测试：

拒绝域在分布末端的 2 个临界值之间平均划分的假设检验称为双尾检验。
当替代假设 (H _A ) 等于给定数量 (H _A = x ) 时，应用双尾检验。通过将 2 与函数pt(q, df,lower.tail = FALSE) 相乘，我们可以使用此假设检验获得所需的 p 值。

让我们举个例子，将 t-score 设为 1.24，df 设为 22。

例子：

电阻

# Finding the p-value
p_value=2*pt(q=1.24, df=22, lower.tail=FALSE)
  
p_value

输出：

0.228039

我们得到的 p 值小于显着性水平 0.05 并大于显着性水平 0.1。因此，这里可以得出结论，在 α=0.05 的显着性水平上应该拒绝零假设，我们可以在 α=0.01 的显着性水平上接受样本。