Randomisierung
Die Randomisierung von Versuchspersonen in einem Experiment hilft dabei, natürliche Unterschiede zwischen den Probanden gleichmäßig auf die Gruppen zu verteilen. Beim ToothGrowth-Datensatz wäre ein Beispiel für eine wirksame Randomisierung, männliche und weibliche Meerschweinchen zufällig verschiedenen Versuchsgruppen zuzuordnen, sodass sich natürliche Unterschiede zwischen den Geschlechtern idealerweise ausgleichen.
Im Experiment, das den Datensatz ToothGrowth ergeben hat, wurden Meerschweinchen randomisiert, Vitamin C entweder über Orangensaft oder Ascorbinsäure zu erhalten, was im Datensatz durch die Variable supp angegeben ist. Es liegt nahe zu fragen, ob sich die Zahnlänge je nach Supplementtyp unterscheidet – eine Frage, die auch ein t-Test beantworten kann!
Ab dieser Übung solltest du t.test() und andere Modellierungsfunktionen mit Formelschreibweise verwenden:
t.test(outcome ~ explanatory_variable, data = dataset)
Das lässt sich lesen als: „teste outcome nach explanatory_variable in meinem dataset.“ Der Standardtest für t.test() ist ein zweiseitiger t-Test.
Diese Übung ist Teil des Kurses
Versuchsplanung in R
Anleitung zur Übung
- Führe einen t-Test durch, um festzustellen, ob es einen Unterschied in der Zahnlänge (
len) in Abhängigkeit vom Supplementtyp (supp) gibt, und speichere die Ergebnisse in einem ObjektToothGrowth_ttest. - Lade das Paket
broom. - Räume
ToothGrowth_ttestmittidy()auf. Dadurch werden die Ergebnisse in der Konsole ausgegeben.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Perform a t-test
___ <- t.test(___, data = ToothGrowth)
# Load broom
library(___)
# Tidy ToothGrowth_ttest
___