x<-c(459, 367, 303, 392, 310, 342, 421, 446, 430, 412)
y<-c(414, 306, 321, 443, 281, 301, 353, 391, 405, 390)
wilcox.test(x, y, alternative = "greater", paired = TRUE)
可见P值<0.05拒绝原假设，即新复合肥能显著提高小麦产量。
符号检验R语言代码：
x<-c(459, 367, 303, 392, 310, 342, 421, 446, 430, 412)
y<-c(414, 306, 321, 443, 281, 301, 353, 391, 405, 390)
binom.test(sum(x>y), length(x), alternative = "greater")
用符号检验P值>0.05，因此在α = 0.05的水平下，就所给数据而言，符号检验还不足以区分两种化肥对提高小麦的产量产生差异。
例18.今测得10名非铅作业工人和7名铅作业工人的血铅值，如下表所示。试用Wilcoxon秩和检验分析两组工人血铅值有无差异。
解：进行Wilcoxon秩和检验R语言同样可以使用wilcox.test( )
R语言代码：
x<-c(24, 26, 29, 34, 43, 58, 63, 72, 87, 101)
y<-c(82, 87, 97, 121, 164, 208, 213)
wilcox.test(x,y,alternative="less",exact=FALSE,correct=FALSE)
P值小于0.05，拒绝原假设，即铅作业工人血铅值高于非作业工人。
例19.某医院用某种药物治疗两型慢性支气管炎患者共216例，疗效由下表所示，试分析该药物对两型慢性支气管炎的治疗是否相同。
解：我们想象各病人的疗效用4个不同的值表示（1表示最好，4表示最差），这样就可以位这216名排序，因此，可用Wilcoxon秩和检验来分析问题。
R语言代码：
x<-rep(1:4, c(62, 41, 14,11)); y<-rep(1:4, c(20, 37, 16, 15))
wilcox.test(x, y, exact=FALSE)
P值<0.05，拒绝原假设，即认为该药物对两型慢性支气管炎的治疗是不相同的。因为数据有结点存在，故无法精确计算P值，其参数为exact=FALSE。
3.3.5.二元数据相关检验
例20.某种矿石中两种有用成分A，B，取10个样品，每个样品中成分A的含量百分数x(%)，及B的含量百分数y(%)的数据下表所示，对两组数据进行相关性检验。
解：进行相关性检验，在R语言中可以使用cor.test( )
cor.test(x, y,
alternative = c("two.sided", "less", "greater"),
method = c("pearson", "kendall", "spearman"),
exact = NULL, conf.level = 0.95, ...)
#其中x,y是数据长度相同的向量，alternative是备择假设，缺省值为"two.sided"，method是检验方法，缺省值是Pearson检验，conf.level是置信区间水平，缺省值为0.95
cor.test( )还有另一种使用格式