無作為化（ランダム化）
実験で被験体を無作為化することで、被験体間に自然に存在するばらつきを各グループに均等に行き渡らせることができます。ToothGrowth の例では、雄と雌のモルモットを無作為に異なる実験群へ割り当て、雄と雌の自然な違いが打ち消されるのが、効果的な無作為化の一例です。
ToothGrowth データセットを得た実験では、モルモットはビタミンCをオレンジジュースまたはアスコルビン酸で摂取するように無作為に割り当てられており、その情報は supp 変数で示されています。サプリメントの種類によって歯の長さに差があるのか気になりますよね——これは t 検定でも答えられる問いです！
この演習以降、t.test() などのモデリング関数は数式記法で使いましょう：
t.test(outcome ~ explanatory_variable, data = dataset)
これは「dataset の中で、explanatory_variable によって outcome を検定する」と読みます。t.test() のデフォルトは両側の t 検定です。
この演習はコースの一部です
Rで学ぶ実験計画法
演習の手順
- サプリメントの種類（
supp）によって歯の長さ（len）に差があるかを調べる t 検定を実行し、結果をオブジェクトToothGrowth_ttestに保存します。 broomパッケージを読み込みます。tidy()でToothGrowth_ttestを整形して表示します。これにより、結果がコンソールに出力されます。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Perform a t-test
___ <- t.test(___, data = ToothGrowth)
# Load broom
library(___)
# Tidy ToothGrowth_ttest
___