Di sini kita menghitung ruang nol dari matriks A dengan fungsi Null dari paket MASS di R. Pertama, kami mengunggah pustaka MASS dan kemudian menentukan matriks koefisien A dan vektor sisi kanan b:

library(MASS)
A <- matrix(c(1,1,0,0,0,0,1,1,1,0,1,0,0,1,0,1), 4, 4, byrow=TRUE)
b <- c(4, 4, 4, 4)
v <- Null(t(A))

Sekarang kita menghitung probabilitas untuk mengamati setiap tabel dengan baris yang diberikan jumlah dan jumlah kolom di bawah distribusi hipergeometrik. Kita dapat gunakan fungsi dhyper() di R. Untuk t = 1, kita memiliki probabilitas untuk mengamati tabel x1 adalah

dhyper(4, 4, 4, 4)
## [1] 0.01428571
"[1] 0.01428571"
## [1] "[1] 0.01428571"

Untuk t = 0, kita memiliki probabilitas untuk mengamati tabel x2 tersebut

dhyper(3, 4, 4, 4)
## [1] 0.2285714
"[1] 0.2285714"
## [1] "[1] 0.2285714"

Nilai p untuk hipotesis adalah P(x1) + P(x2) = 0,01428571 + 0,2285714 = 0,2428571.

Jika kita menggunakan fungsi fisher.test() , kita dapat melakukan uji eksak Fisher. Untuk ini kita membuat tabel sebagai matriks dan memanggil fungsi fisher.test() :

Tea <- matrix(c(3, 1, 1, 3), 2, 2, byrow = TRUE)
fisher.test(Tea, alternative = "greater")
## 
##  Fisher's Exact Test for Count Data
## 
## data:  Tea
## p-value = 0.2429
## alternative hypothesis: true odds ratio is greater than 1
## 95 percent confidence interval:
##  0.3135693       Inf
## sample estimates:
## odds ratio 
##   6.408309

Jadi kita memiliki nilai-p yang sama. Jika kita menetapkan tingkat signifikansi 0,05, maka nilai p lebih besar dari 0,05. Dengan demikian, kami gagal menolak hipotesis nol dan ini berarti tebakannya tidak dapat dibedakan dari tebakan acak.