可生成图片类型（推荐）
（重定向自单样本T检验）
 | |
| 节点状态 |  /  Win10及以上可用在V1.0部署
|
|---|---|
单样本T检验  | |
| 节点开发者 | 决策链算法研发部 (Dev.Team-DPS) |
| 节点英文名 | One Sample T_Test |
| 功能主类别 | 数据分析 |
| 英文缩写 | OneSamTT |
| 功能亚类别 | 参数检验 |
| 节点类型 | 数据挖掘 |
| 开发语言 | R |
| 节点简介 | |
单样本T检验是一种统计学上的假设检验,用于确定未知总体均值是否与特定的值有差异。单样本T检验的方法是将单个变量的平均值与指定的常数作比较。 用途：用于检测一个样本的平均值是否显著地不同于一个已知的或假设的总体平均值。 参数：选择数值变量，和输入一个均值。 | |
| 端口数量与逻辑控制(PC) | |
| Input-入口 | 3个 |
| Output-出口 | 3个 |
| Loop-支持循环 | 是 |
| If/Switch-支持逻辑判断 | 否 |
| 输入输出 | |
| 相关节点 | |
| 上一节点 | 多因素正态性检验 |
| 下一节点 | 两独立样本T检验 |
节点使用的R语言示例代码
单样本T检验
t.test(x, y = NULL,
alternative = c("two.sided", "less", "greater"),
mu = 0, paired = FALSE, var.equal = FALSE,
conf.level = 0.95, ...)
节点使用指南
- 用来确定一个样本的均值是否显著地不同于一个已知或假设的总体均值的方法
方法选择
- 无方法选择
参数配置
- 统计变量：选择一个或多个连续型数值变量。如果选择多个，每一个变量做一次T检验
- 设置均值：输入任意数字，用来设置均值，进行T检验
- 置信区间百分比:输入百分比，95%置信区间就是0.95
- 检验方向: 双侧检验和单侧检验。单侧检验又分为左侧检验和右侧检验
- 筛选阈值：选择需要的P值阈值，节点会自动将满足阈值的变量筛选出，数据集也会同步筛选出满足的变量。
- 此算法兼容空值
注意事项
- 数据点必须是相互独立的，即一个数据点的值不应影响或被其他数据点影响。
引用
查找其他类别的节点，请参考以下列表
列表
数据处理节点
数据输入
变量处理
行列处理
矩阵处理
表格处理
列表
数据分析节点
描述性统计
统计检验
方差分析
相关分析
回归分析
Lasso回归 二项式Lasso回归 泊松Lasso回归 生存状态Lasso回归 高斯PLS回归Ridge回归 二项式Ridge回归 泊松Ridge回归 生存状态Ridge回归 高斯分位回归多分类逻辑回归多项式回归广义估计方程 伽玛广义估计方程 泊松广义估计方程 负二项广义估计方程 逻辑广义估计方程 高斯广义相加模型 伽玛广义相加模型 泊松广义相加模型 负二项广义相加模型 逻辑广义相加模型 高斯广义相加混合模型 伽玛广义相加混合模型 泊松广义相加混合模型 负二项广义相加混合模型 逻辑广义相加混合模型 高斯广义线性回归 伽玛广义线性回归 泊松广义线性回归 负二项广义线性回归 逆概率加权联合标准差稳健线性回归线性回归逐步回归逻辑回归
时序分析
潜变量分析
生存分析
多元分析
综合分析
列表
机器学习节点
列表
AI和神经网络
环境检测
