【发布时间】:2016-01-27 19:19:30
【问题描述】:
chocolate <- data.frame(
Sabor =
c(5, 7, 3,
4, 2, 6,
5, 3, 6,
5, 6, 0,
7, 4, 0,
7, 7, 0,
6, 6, 0,
4, 6, 1,
6, 4, 0,
7, 7, 0,
2, 4, 0,
5, 7, 4,
7, 5, 0,
4, 5, 0,
6, 6, 3
),
Tipo = factor(rep(c("A", "B", "C"), 15)),
Provador = factor(rep(1:15, rep(3, 15))))
tapply(chocolate$Sabor, chocolate$Tipo, mean)
ajuste <- lm(chocolate$Sabor ~ chocolate$Tipo + chocolate$Provador)
summary(ajuste)
anova(ajuste)
a1 <- aov(chocolate$Sabor ~ chocolate$Tipo + chocolate$Provador)
posthoc <- TukeyHSD(x=a1, 'chocolate$Tipo', conf.level=0.95)
Tukey multiple comparisons of means
95% family-wise confidence level
Fit: aov(formula = chocolate$Sabor ~ chocolate$Tipo + chocolate$Provador)
$`chocolate$Tipo`
diff lwr upr p adj
B-A -0.06666667 -1.803101 1.669768 0.9950379
C-A -3.80000000 -5.536435 -2.063565 0.0000260
C-B -3.73333333 -5.469768 -1.996899 0.0000337
这里是一些使用TukeyHSD 的示例代码。输出是一个矩阵,我希望这些值以科学计数法显示。我尝试使用scipen 并设置options(digits = 20),但我的实际数据中的一些值仍然太小,因此p adj 值是0.00000000000000000000
如何获得以科学计数法显示的值?
【问题讨论】:
-
lm(Sabor ~ Tipo + Provador, data=chocolate)和aov(..., data=...)更短。顺便说一句:你的 alpha(显着性水平)是多少? -
我没有指定 alpha,所以我假设它是默认值(0.05?)
-
通常你必须知道你的学科中的阿尔法。是的,通常是 0.05 = 5%。要决定测试,您必须将 p 值与您的 alpha 进行比较。那么为什么你想看到这么多数字的小 p 值呢? en.wikipedia.org/wiki/P-value
标签: r