参考资料：R语言实战【第2版】

独立两样本和K样本检验

# 安装coin包
install.packages(c("coin"))
# 加载coin包
library(coin)
# 创建检验数据集
score<-c(40,57,45,55,58,57,64,55,62,65)
treatment<-factor(c(rep("A",5),rep("B",5)))
mydata<-data.frame(treatment,score)
# 参数检验
t.test(score~treatment,mydata,var.equal=TRUE)
# 置换检验
oneway_test(score~treatment,mydata,distribution="exact")

        上面的结果可知：传统t检验表明存在显著性差异（p<0.05），而精确检验却表明差异并不显著（p>0.07）。由于只有10个观测，我们更倾向于置换检验的结果，在做出最后结论之前，还要多收集更多数据。

        下面进行Wilcoxon-Mann-Whitney U 非参数检验。

# 加载MASS包
library(MASS)
# 获取数据集
UScrime<-transform(UScrime,So=factor(So))
# Wilcoxon秩和检验
wilcox.test(Prob~So,UScrime)
# 置换检验
wilcox_test(Prob~So,UScrime,distribution="exact")

        上例中，注意将数值型变量So转化为因子，因为coin包规定所有类别变量都必须以因子形式编码。另外，我们发现，Wilcoxon秩和检验和置换检验的结果是一样的，因为wilcox.test()函数默认计算也是精确分布。

        单因素方差分析

# 加载multcomp包
library(multcomp)
# 设置随机种子
set.seed(1234)
# 单因素方差分析
fit<-aov(response~trt,cholesterol)
summary(fit)
# 置换检验
oneway_test(response~trt,cholesterol,distribution=approximate(nresample=9999))

        结果表明各组间病人的响应值显著不同。