#其中x是具有二维列联表形式的矩阵或是由因子构成的对象，y是由因子构成的对象，当x是矩阵时，此值无效。workspace的输入值时一整数，其整数表示用于网络算法空间的大小。hybrid为逻辑变量，FALSE(缺省值)表示精确计算概率，TRUE表示用混合算法计算概率。alternative为备择，有"two.sided"(缺失值)双边，"less"单边小于，"greater"单边大于，conf.int逻辑变量，当conf.int=TRUE（缺省值），给出 区间估计。conf.level为置信水平，缺省值为0.95，其余参数见在线说明。

    R语言代码：

    x<-c(4,5,18,6); dim(x)<-c(2,2)
    fisher.test(x)

  可见P值>0.05，接受原假设，认为两变量是独立的，即两组新生儿的HBV总体感染率无差别   

    例12.某胸科医院同时用甲乙两种方法测定202份痰样本中的抗酸杆菌，结果如下表所示，问甲、乙两种方法检出率有无差异。

解：因为是在相同个体上进行的两次检验，因此使用McNemar检验，

    H₀：对相同痰样本测定中，甲乙两种方法检出率没有差异。

    在R语言中进行McNemar检验用到函数mcnemar.test( )

    mcnemar.test(x, y = NULL, correct = TRUE)  #其中x是具有二维列联表形式的矩阵或是由因子构成的对象。y是由因子构成的对象，当x是矩阵时，此值无效。correct是逻辑变量，TRUE（缺省值）表示在计算检验统计量时用连续修正，FALSE是不用修正。

    R语言代码：

    X<-c(49, 21, 25, 107); dim(X)<-c(2,2)
    mcnemar.test(X,correct=FALSE)

P值> 0.05，不能认为两种检测方法有差异。

3.2.3.符号检验

    例13.联合国人员在世界上66个大城市的生活花费指数（以纽约市1996年12月为100）按自小至大的次序排列如下（这里北京的指数为99）：

       66 75 78 80 81 81 82 83 83 83 83
       84 85 85 86 86 86 86 87 87 88 88
       88 88 88 89 89 89 89 90 90 91 91
       91 91 92 93 93 96 96 96 97 99 100
       101 102 103 103 104 104 104 105 106 109 109
       110 110 110 111 113 115 116 117 118 155 192

    假设这个样品是从世界许多大城市中随即抽样得到的。试用符号检验分析，北京是在中位数之上，还是在中位数之下。

    解：样本的中位数（M）作为城市生活水平的中间值，因此需要检验：

                     H ₀ : M ≥ 99,  H ₁ : M < 99.

     输入数据，作二项检验。

     R语言代码：

     X <- c(66,75, 78 ,80 ,81 ,81 ,82, 83, 83, 83, 83,
           84 , 85, 85, 86, 86, 86, 86, 87 ,87, 88, 88,
           88, 88, 88, 89 ,89, 89, 89, 90 ,90 ,91 ,91,
           91 ,91, 92, 93, 93, 96, 96, 96, 97, 99, 100,
          101, 102, 103, 103 ,104, 104, 104 ,105, 106, 109, 109,
           110 ,110, 110, 111, 113, 115, 116, 117 ,118, 155 ,192)
     binom.test(sum(X>99), length(X), al="l")

    在程序中，sum(x>99)表示样本中大于99的个数。al是alternative的缩写，"l"是"less"的缩写。计算出的P值小于0.05，拒绝原假设，也就是说，北京的生活水平高于世界的中位水平。