精华内容
下载资源
问答
  • 常用的参数和非参数检验方法
    万次阅读
    2016-11-26 09:46:40

      常用的参数检验方法:

      1.正态总体均值的假设检验(t检验)


              检验1组数据样本的均值是否等于,大于或小于某个值,或者检验两组数据样本的均值的大小情况。其中的统计量Z一般服从t分布。


     2.正态总体方差的假设检验

              检验1组数据样本的方差是否等于,大于或小于某个值,或者检验两组数据样本的方差的大小情况。其中单样本检验的统计量X2一般服从卡方分布。双样本检测的统计量F一般服从F分布。


    3.二项分布总体的假设检验(非正态总体的假设检验)

             非正态总体的假设检验有很多,二项分布总体的假设检验相对较为常用。常用于随机抽样实验的成功概率的检验。


     常用的非参数检验方法:


    1.Neyman-Pearson χ2 拟合优度检验


           检验样本数据是否符合某种分布,Neyman-Pearson拟合优度检验是非常重要的非参数检验方法,既可以用于检验数据的分布特性,又可以检验不同组数据之间的分布关系(是否是同一分布)。


      2.Kolmogorov-Smirnov检验

              也是一个相当重要的检验方法,和Pearson方法一样属于拟合优度检验方法。但是Kolmogorov-Smirnov方法无需对要检验的数据分组,且使用经验累积分布函数(ECDF)来定义统计量,可以用于任何分布的检验。但Kolmogorov-Smirnov只适用于一元分布的情况。因此适用面与Pearson方法相比稍小。


    3.独立性检验


              很重要的检验方法,具体有Pearson卡方检验,Fisher精确独立性检验。这些检验方法通常用于检验数据的分布和假设影响因素的关系。

    4.符号检验和秩和检验

              检验样本与总体的情况,或样本总体间的差异。
    更多相关内容
  • 一文读懂参数检验和非参数检验: 前言 假设检验 概念:是一种根据样本数据来推断总体的分布或均值、方差等总体统计参数的方法。 根据样本来推断总体的原因: 总体数据不可能全部收集到。如:质量检测问题 收集到...

    一文了解参数检验和非参数检验:

    前言

    假设检验

    概念:是一种根据样本数据来推断总体的分布或均值、方差等总体统计参数的方法。

    根据样本来推断总体的原因:

    • 总体数据不可能全部收集到。如:质量检测问题
    • 收集到总体全部数据要耗费大量的人力和财力

    假设检验包括:

    • 参数检验
    • 非参数检验

    基本原理: 利用小概率原理进行反证明。小概率事件在一次实验中不可能发生。

    基本步骤:

    1. 根据检验的目标,对有待推断的总体参数或分布作一个零假设 H 0 H_0 H0
    2. 构造检验统计量, 且该统计量服从某种已知分布.(卡方分布、t分布、F分布)
    3. 利用收集到的样本数据和基本假设计算检验统计量的值,并得到相应的相伴概率 P P P 值,即:检验统计量在某个特定的极端区域取值在 H 0 H_0 H0 成立时的概率.
    4. 给定显著性水平,如果概率 P P P 值小于用户给定的显著性水平 α \alpha α (一般取0.05或0.01),则拒绝零假设 H 0 H_0 H0 而接受备择假设 。否则,不拒绝零假设 H 0 H_0 H0 (类似一种反证法)。显著性水平指的是零假设正确却被错误拒绝的概率,一般取 0.01 0.01 0.01 0.05 0.05 0.05,即零假设正确且正确接受的概率为 99 99% 99 95 95% 95.

    区别

    简而言之,若可以假定样本数据来自具有特定分布的总体,也就是在总体分布形式已知的情况下,对总体分布的参数如均值、方差等进行推断, 则使用参数检验。如果不能对数据集作出必要的假设, 或者在总体方差未知或知道甚少的情况下,无法对总体分布形态作简单假定,则使用非参数检验。其中非参数的意思是推断过程中不涉及有关总体分布的参数.

    1、定义不同:

    参数检验:假定数据服从某分布(一般为正态分布),通过样本参数的估计量(x±s)对总体参数(μ)进行检验,比如t检验、u检验、方差分析。

    非参数检验:不需要假定总体分布形式,也就是当总体分布未知时, 直接对数据的分布进行检验。由于不涉及总体分布的参数,故名「非参数」检验。比如,卡方检验。

    2、趋势的衡量

    参数检验的集中趋势的衡量为均值,而非参数检验为中位数。

    3、总体分布信息

    参数检验需要关于总体分布的信息;非参数检验不需要关于总体的信息。

    4、适用性

    参数检验只适用于变量,而非参数检验同时适用于变量和属性。

    5、测量两个定量变量之间的相关程度

    参数检验用Pearson相关系数,非参数检验用Spearman秩相关。

    6、优缺点

    参数检验:优点是符合条件时,检验效率高;其缺点是对资料要求严格,如等级数据、非确定数据(>50mg)不能使用参数检验,而且要求资料的分布型已知和总体方差相等。

    非参数检验:优点是应用范围广、简便、易掌握;缺点是若对符合参数检验条件的资料用非参数检验,则检验效率低于参数检验。如无效假设是正确的,非参数法与参数法一样好,但如果无效假设是错误的,则非参数检验效果较差,如需检验出同样大小的差异的差异往往需要较多的资料。另一点是非参数检验统计量是近似服从某一部分,检验的界值表也是有近似的(如配对秩和检验)因此其结果有一定近似性。

    参数检验

    常见方法:

    1.正态总体均值的假设检验(t检验)
    检验1组数据样本的均值是否等于,大于或小于某个值,或者检验两组数据样本的均值的大小情况。其中的统计量Z一般服从t分布。
    2.正态总体方差的假设检验
    检验1组数据样本的方差是否等于,大于或小于某个值,或者检验两组数据样本的方差的大小情况。其中单样本检验的统计量X2一般服从卡方分布。双样本检测的统计量F一般服从F分布。
    3.二项分布总体的假设检验(非正态总体的假设检验)
    非正态总体的假设检验有很多,二项分布总体的假设检验相对较为常用。常用于随机抽样实验的成功概率的检验。

    非参数检验

    常见方法:

    1. Wilcoxon Signed Ranks test:也称配对符号秩检验,适用于连续型资料,用来检验配对资料的差值是否来自于中位数为0的总体,也可推断总体中位数是否等于某个指定值,该方法利用配对资料差值大小的信息,检验效率高于符号检验。

    2. Sign test:也称差数秩检验,根据配对资料差值正负号检验其效果有无差异,由于检验效能较低,当配对设计资料不满足非参数检验时可考虑使用。

    3. McNemar test:在卡方检验时学习过,该方法适用于计数资料,指标变量为二分类,可用来检验配对设计资料处理前后的结果是否存在差异或者配对组之间的频率有无差异。

    4. Marginal Homogeneity test: McNemar 检验的扩展,适用于指标变量为多分类的有序或无序资料,即平方表格资料(R×R列联表资料)。

    5. Neyman-Pearson χ2 拟合优度检验
      检验样本数据是否符合某种分布,Neyman-Pearson 拟合优度检验是非常重要的非参数检验方法, 既可以用于检验数据的分布特性,又可以检验不同组数据之间的分布关系(是否是同一分布)。

    6. Kolmogorov-Smirnov检验
      也是一个相当重要的检验方法,和Pearson方法一样属于拟合优度检验方法。但是Kolmogorov-Smirnov方法无需对要检验的数据分组,且使用经验累积分布函数(ECDF)来定义统计量,可以用于任何分布的检验。但Kolmogorov-Smirnov只适用于一元分布的情况。因此适用面与Pearson方法相比稍小。

    7. 独立性检验
      很重要的检验方法,具体有Pearson卡方检验,Fisher精确独立性检验。这些检验方法通常用于检验数据的分布和假设影响因素的关系。

    8. 符号检验和秩和检验
      检验样本与总体的情况,或样本总体间的差异。

    适用情形

    (1)等级顺序资料。
    (2)偏态资料。当观察资料呈偏态或极度偏态分布而有未经变量变换,或虽经变量变换但仍未达到正态或近似正态分布时,宜用非参数检验。
    (3)未知分布型资料
    (4)要比较的各组资料变异度相差较大,方差不齐,且不能变换达到齐性。
    (5)初步分析。有些医学资料由于统计工作量过大,可采用非参数统计方法进行初步分析,挑选其中有意义者再进一步分析(包括参数统计内容)

    (6)对于一些特殊情况,如从几个总体所获得的数据,往往难以对其原有总体分布作出估计,在这种情况下可用非参数统计方法。

    reference

    @online{BibEntry2022Jan,
    title = {{参数检验与非参数检验_donrivers的专栏-CSDN博客_参数检验和非参数检验的区别}},
    year = {2022},
    month = {1},
    date = {2022-01-19},
    urldate = {2022-01-19},
    language = {chinese},
    hyphenation = {chinese},
    note = {[Online; accessed 19. Jan. 2022]},
    url = {https://blog.csdn.net/donrivers/article/details/46503433},
    keywords = {参数检验和非参数检验的区别},
    abstract = {{参考网友的资料进行总结:参数检验与非参数检验的区别。1)参数检验:以已知分布(如正态分布)为假定条件,对总体参数进行估计或检验。2)非参数检验:不依赖总体分布的具体形式和检验分布(如位置)是否相同。参数检验与非参数检验的优缺点。1)参数检验:优点是符合条件时,检验效率高;其缺点是对资料要求严格,如等级数据、非确定数据(>50mg)不能使用参数检验,而且要求资料的分布}}
    }

    @online{BibEntry2022Jan,
    title = {{参数检验和非参数检验的区别_百度知道}},
    year = {2022},
    month = {1},
    date = {2022-01-19},
    urldate = {2022-01-19},
    note = {[Online; accessed 19. Jan. 2022]},
    url = {https://zhidao.baidu.com/question/679885674445667932.html}
    }

    @online{BibEntry2022Jan,
    title = {{参数检验和非参数检验(结合SPSS分析)_只猪会上树的博客-CSDN博客_用参数检验和非参数检验结果不一致}},
    year = {2022},
    month = {1},
    date = {2022-01-19},
    urldate = {2022-01-19},
    language = {chinese},
    hyphenation = {chinese},
    note = {[Online; accessed 19. Jan. 2022]},
    url = {https://blog.csdn.net/qq_48211069/article/details/119221363?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1.pc_relevant_paycolumn_v2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7ECTRLIST%7Edefault-1.pc_relevant_paycolumn_v2&utm_relevant_index=2},
    keywords = {用参数检验和非参数检验结果不一致},
    abstract = {{假设检验参数检验平均值检验单样本t检验两独立样本t检验配对样本t检验非参数检验卡方检验单样本K-S检验两独立样本的非参数检验多个独立样本的非参数检验两配对样本检验多匹配样本的非参数检验总体数据不可能全部收集到。如:质量检测问题收集到总体全部数据要耗费大量的人力和财力假设检验包括:参数检验非参数检验基本原理:利用小概率原理进行反证明。小概率事件在一次实验}}
    }

    展开全文
  • SPSS中八类常用非参数检验之四 单样本K-S检验
                   

    一、定义

      定义:单样本K-S检验是以两位前苏联数学家Kolmogorov和Smirnov命名的,也是一种拟合优度的非参数检验方法。单样本K-S检验是利用样本数据推断总体是否服从某一理论分布的方法,适用于探索连续型随机变量的分布形态。

      单样本K-S检验可以将一个变量的实际频数分布与正态分布(Normal)、均匀分布(Uniform)、泊松分布(Poisson)、指数(Exponential)分布进行比较。其零假设H0为样本来自的总体与指定的理论分布无显著差异。

      SPSS实现K-S检验的过程如下:

      (1)根据样本数据和用户的指定构造出理论分布,查分布表得到相应的理论累计概率分布函数F0(X)

      (2)利用样本数据计算个样本数据点的累计概率得到检验累计概率分布函数S0(X)

      (3)计算F0(X)和S0(X)在相应的变量值点x上的差D(x),得到差值序列D。单样本K-S检验主要对差值序列进行研究。

      SPSS在统计中将计算K-S的Z统计量,并依据K-S分布表(小样本)或正态分布表(大样本)给出对应的相伴概率值。如果相伴概率小于或等于用户的显著性水平α,则应拒绝零假设H0,认为样本来自的总体与指定的分布有显著差异;如果相伴概率值大于显著性水平,则不能拒绝零假设H0,认为样本来自的总体与指定的分布无显著差异。

     

    二、实例

      某地144个周岁儿童身高数据如表10-4所示,问该地区周岁儿童身高频数是否呈正态分布?

    身高区间人数
    64-2
    68-4
    69-7
    70-16
    71-20
    72-25
    73-24
    74-22
    76-16
    78-2
    79-6
    83-1

     

      检验步骤:

    邀月工作室

    邀月工作室

    邀月工作室

     

      单样本K-S检验:http://en.wikipedia.org/wiki/Kolmogorov%E2%80%93Smirnov_test

     

    1、卡方检检:http://www.cnblogs.com/downmoon/archive/2012/03/06/2382042.html

    2、二项分布检验:http://www.cnblogs.com/downmoon/archive/2012/03/26/2417668.html

    3、游程检验:http://www.cnblogs.com/downmoon/archive/2012/03/26/2417882.html

    4、单样本K-S检验:http://www.cnblogs.com/downmoon/archive/2012/03/26/2418003.html


    邀月注:本文版权由邀月和CSDN共同所有,转载请注明出处。
    助人等于自助! 
    3w@live.cn  


               
    展开全文
  • R语言差异检验:非参数检验

    千次阅读 2019-11-09 21:37:45
    非参数检验是在总体方差未知或知道甚少的情况下,利用样本数据对总体分布形态进行推断的方法。它利用数据的大小间的次序关系(秩Rank),而不是具体数值信息,得出推断结论。 它是参数检验所需要的某些...

    非参数检验是在总体方差未知或知道甚少的情况下,利用样本数据对总体分布形态进行推断的方法。它利用数据的大小间的次序关系(秩Rank),而不是具体数值信息,得出推断结论。

    它是参数检验所需要的某些条件不满足时所使用的方法。

    和参数检验相比,非参数检验的优势如下:

    • 稳健性。对总体分布的条件要求放宽
    • 对数据类型要求不严格,适用有序分类变量
    • 适用范围广

    劣势:

    • 没有利用实际数值,损失了部分信息,检验的有效性较差。

    非参数性检验的方法非常多,基于方法的检验功效性角度,本文只涉及

    • 双独立样本:Mann-Whitney U检验
    • 双配对样本:Wilcoxon配对秩和检验
    • 多独立样本:Kruskal-Wallis检验
    • 多配对样本:Friedman检验

    Mann-Whitney U检验

    曼-惠特尼U检验(曼-惠特尼秩和检验),是由H.B.Mann和D.R.Whitney于1947年提出的。它假设两个样本分别来自除了总体均值以外完全相同的两个总体,目的是检验这两个总体的均值是否有显著的差别。

    适用条件

    • 双独立样本检验

    R语言示例

    函数及格式:wilcox.test(y~x,data)

    其中,y是连续变量,x是一个二分变量。

    也可以使用这种形式:

    wilcox.test(y1,y2)

    其中,y1和y2为变量名。可选参数data的取值为一个包含这些变量的矩阵或数据框。

    示例:

    #载入MASS包
    library(MASS)
    #使用UScrime数据集
    #Prob为监禁率,So为是否南方地区
    #检验美国监禁率是否存在南方和非南方差异
    #wilcox.test检验
    wilcox.test(Prob~So,data = UScrime)
    #结果
    	Wilcoxon rank sum test
    
    data:  Prob by So
    W = 81, p-value = 8.488e-05
    alternative hypothesis: true location shift is not equal to 0
    #结果显示P小于0.001,美国监禁率存在南方和非南方地区差异。
    

    Wilcoxon配对秩和检验

    Wilcoxon配对秩和检验是对Sign符号检验的改进。它的假设被归结为总体中位数是否为0。

    适用条件

    • 双配对样本检验

    R语言示例

    Wilcoxon配对秩和检验调用函数格式与Mann-Whitney U检验相同。不同之处在于可以添加paired=TRUE参数。

    示例:

    #u1(14-24岁年龄段城市男性失业率)
    #u2(35-39岁年龄段城市男性失业率)
    #检验失业率是否在两个年龄段存在差异
    #Wilcoxon配对秩和检验
    with(UScrime,wilcox.test(U1,U2,paired = TRUE))
    #结果
    	Wilcoxon signed rank test with continuity correction
    
    data:  U1 and U2
    V = 1128, p-value = 2.464e-09
    alternative hypothesis: true location shift is not equal to 0
    #结果显示,存在差别。
    

    Kruskal-Wallis检验

    由克罗斯考尔和瓦里斯1952年提出,用来解决多独立样本难以满足方差分析条件(独立性、正态性、方差齐性)时统计推断问题。

    适用条件

    • 多独立样本检验

    R语言示例

    函数格式:

    kruskal.test(y~A,data)

    其中,y为连续变量,A为两个或更多水平的分组变量。

    示例:

    #检验美国四个地区文盲率是否存在差异
    #数据皆来自R自带数据集
    #通过state.region数据集获取地区名称,即分组变量。
    states <- data.frame(state.region,state.x77)
    #调用kruskal.test函数
    kruskal.test(Illiteracy~state.region,data = states)
    #结果
    	Kruskal-Wallis rank sum test
    
    data:  Illiteracy by state.region
    Kruskal-Wallis chi-squared = 22.672, df = 3, p-value =
    4.726e-05
    #结果显示,文盲率存在地区差异。
    

    Friedman检验

    Friedman检验也称弗里德曼双向评秩方差分析。由Friedman在1937年提出,基本思想是独立对每一个区组分别对数据进行排秩,消除区组间的差异以检验各种处理之间是否存在差异。

    适用条件

    • 多配对样本检验

    Fiedman检验在样本量有限的情况下,实际应用价值不大。

    R语言示例

    函数格式:

    friedman.test(y~A|B,data)

    其中,y为连续变量,A是一个分组变量,B是一个用以认定匹配观测的区组变量。

    或者
    friedman.test(data=matrix格式)

    其中,data要求矩阵格式。可以通过as.matrix转换

    示例:

    (虚构)有30名女性分为三组每组10人,试吃三种药。经过一段时间后,药效如下。问三种药药效是否有区别。

    药1
    4.4,5,5.8,4.6,4.9,4.8,6,5.9,4.3,5.1

    药2
    6.2,5.2,5.5,5,4.4,5.4,5,6.4,5.8,6.2

    药3
    7.0,6.2,5.9,6,4.6,6.4,5,6.4,5.8,6.2

    #生成数据集
    drug1 <- c(4.4,5,5.8,4.6,4.9,4.8,6,5.9,4.3,5.1)
    drug2 <- c(6.2,5.2,5.5,5,4.4,5.4,5,6.4,5.8,6.2)
    drug3 <- c(7.0,6.2,5.9,6,4.6,6.4,5,6.4,5.8,6.2)
    #矩阵
    data <- matrix(c(drug1,drug2,drug3),nrow = 10,dimnames = list(ID=1:10,c('drug1','drug2','drug3')))
    #查看数据
    data
        
    ID   drug1 drug2 drug3
      1    4.4   6.2   7.0
      2    5.0   5.2   6.2
      3    5.8   5.5   5.9
      4    4.6   5.0   6.0
      5    4.9   4.4   4.6
      6    4.8   5.4   6.4
      7    6.0   5.0   5.0
      8    5.9   6.4   6.4
      9    4.3   5.8   5.8
      10   5.1   6.2   6.2
    #调用friedman.test函数
    friedman.test(data)
    
    	Friedman rank sum test
    
    data:  data
    Friedman chi-squared = 6.8889, df = 2, p-value =
    0.03192
    #结果显示,三种药之间存在区别。
    

    R 语 言 小 白 速 通 R语言小白速通 R
    懂 点 R 语 言 懂点R语言 R
    欢 迎 分 享 收 藏 关 注 欢迎分享收藏关注

    展开全文
  • 1、参数检验和非参数检验的区别 定义不同: 参数检验:假定数据服从某分布(一般为正态分布),通过样本参数的估计量(x±s)对总体参数(μ)进行检验,比如t检验、u检验、方差分析。 非参数检验:不需要假定...
  • 第5章 Stata非参数检验

    千次阅读 2021-06-30 19:36:00
    目录 5.1单样本正态分布检验 案例延伸 5.2两独立样本检验 5.3两相关样本检验 5.4多独立样本检验 ...一般情况下,参数检验方法假设统计总体的具体分布为...常用非参数检验包括单样本正态分布检验,两独立样本检...
  • 3、SPSS做非参数检验

    千次阅读 2015-04-15 15:16:32
    由于实际情况的复杂多变,因此非参数检验包括了许多的各种各样的检验方法。之前我们提过,参数检验的使用条件是被检验的样本总体服从正态分布,而非参数检验的使用条件自然就是总体不服从或不确定是否服从正态分布。...
  • 7.MATLAB参数统计与假设检验-常用非参数检验

    万次阅读 多人点赞 2017-02-20 09:35:58
    常用非参数检验 在用样本数据对总体信息做出统计推断时,通常要求抽样应满足随机性和独立性,因为几乎所有的抽样定理都是建立在数据独立的基础之上的。而在用样本数据对正态总体参数做出统计推断(例如参数估计和...
  • 统计学 - 非参数检验

    2009-07-18 23:21:03
    当样本观测值的总体分布类型未知或知之甚少,无法肯定其性质,特别是观测值明显偏离正态分布,不具备参数检验的应用条件时,常用非参数检验。非参数检验具有计算简便、直观,易于掌握,检验速度较快等优点。
  • 1、参数检验对比非参数检验 1.1、参数检验的定义: 在总体分布类型已知(如正态分布)的条件下,对其未知参数检验。 如 检验和方差分析,都是基于总体分布为正态分布、总体方差相等的前提下对总体均数进行的检验...
  • 学习笔记 学习书目:《统计学:从数据到结论》–吴喜之; 比较两总体中位数的Wilcoxon秩和检验 ...我们在这里,介绍一种常用的Wilcoxon秩和检验,该检验唯一需要的假定就是两个总体的分布有类似的形状。Wilcoxon...
  • 常用统计检验方法

    千次阅读 2019-12-10 15:04:07
    参数检验1.1 Z检验1.1.1 单正态样本的Z检验1.1.2 双正态样本的Z检验1.2 t检验1.2.1 单正态样本t检验1.2.2 双正态样本t检验1.2.3 成对样本t检验1.3 χ2\chi^2χ2检验1.3.1 单正态样本χ2\chi^2χ2检验1.4 F检验1.4.1...
  • 摘 要:本文通过一组相似度很高的数据,用常用的两样本非参数比较的方法(符号秩检验,符号秩和检验,游程检验,Mann-White-Wilcoxon检验,K-S检验),来分析各个方法的不足之处。得出K-S检验更适用于数据存在重合的...
  • 参数检验与非参数检验

    千次阅读 2015-06-15 14:28:03
    参数检验与非参数检验的区别。 1)参数检验:以已知分布(如正态分布)为假定条件,对总体参数进行估计或检验。 2)非参数检验:不依赖总体分布的具体形式和检验分布(如位置)是否相同。 参数检验与非参数检验的...
  • 非参数假设检验法(总体分布的估计) ...非参数统计方法 - 对参数总体分布的假设检验 主要有三种方法: 接下来, 我们会对这三种方法一 一进行学习: 根据样本的来检验关于总体分布假设的一种方法: ...
  • 方差分析是假设数据满足正态分布和方差齐性的前提...类似于方差分析中的独立样本的方差分析和区组设计的方差分析,多个样本的非参数检验分为多个独立样本的非参数检验和多个相关样本的非参数检验。此次笔记是关于多个独
  • R语言_非参数检验

    万次阅读 2015-08-22 22:19:08
    非参数检验
  • 如果需要进行比较准确的判断,则需要使用非参数检验方法。其中总体分布的卡方检验(也记为χ2检验)就是一种比 较好的方法。 一、定义  总体分布的卡方检验适用于配合度检验,是根据样本数据的实际频数推断...
  • 非参数检验和卡方检验

    万次阅读 2015-06-06 20:37:44
    假设检验是围绕对原假设内容的审定而展开的。如果原假设正确我们接受了(同时也就拒绝了备择假设),或原假设错误我们拒绝了(同时也就接受了备择假设),这表明我们作出了正确的决定。但是,由于假设检验是根据样本...
  • 1. 何时使用非参数检验或许你还没有理解什么是参数检验、非参数检验,但一定曾在无意之中使用过它们。如我们常用的方差分析、T检验,都属于参数检验。参数检验,就是假定数据服从某种分布,通过样本信息对总体参数...
  • R语言之非参数检验

    万次阅读 2014-01-29 23:12:15
    非参数检验方法可以不要求总体的分布,故在对总体的任何知识都没有的情况下,也能通过它获得结论。 且此时非参数方法优于参数方法,
  • R语言详解参数检验和非参数检验二、参数检验R语言实现2.1 单样本t检验2.2 独立样本t检验2.3 配对样本t检验2.4方差分析2.5 pearson相关性检验三、非参数检验R语言实现3.1单样本wilcoxon检验3.2 Mann-Whitney检验3.3...
  • 参数检验(parameter test)全称参数假设检验,是指对参数平均值、方差进行的统计检验。参数检验是推断统计的重要组成部分。当总体分布已知(如总体为正态分布),根据样本数据对总体分布的统计参数进行推断。 先由...
  • 针对口径为500 mm、相对孔径为1/1的抛物面镜开展了原理实验,从可检验的最大球面镜口径和实施难度方面对所提方法常用方案进行了比较,前后零位补偿结合系统的设计面形波前误差PV值为0.061λ,面形波前误差均方根...
  • &#13; &#13; &#13; &#13; &#13; &#13; &#13; 作者简介糖甜甜甜 公众号:经管人学数据分析往期回顾:词云一分钟了解周董的歌词非参数检验是指总体不服从...
  • 一、定义 定义:单样本K-S检验是以两位前苏联数学家Kolmogorov和Smirnov命名的,也是一种拟合优度的非参数检验方法。单样本K-S检验是利用样本数据推断总体是否服从某一理论分布的方法,适用于探索连续型随机变量的...
  • 组间差异检验,终于有人讲清楚了!

    千次阅读 2020-12-01 00:14:53
    什么是组间差异检验?就是组间的差异分析以及显著性检验,应用统计学上的假设检验方法,检验组间是否有差异及其差异程度。坦率地讲,所有的差异检验都基于一个假设:组...参数与非参数检验所以,本着负责的态度,在...
  • 位置参数描述了总体的位置, 而描述总体概率分布离散程度的参数是尺度参数. 假定两独立样本X1,X2,...,XmX_1 ,X_2 , ... ,X_mX1​,X2​,...,Xm​和Y1,Y2,...,YnY_1 ,Y_2 , ... ,Y_nY1​,Y2​,...,Yn​分别来自N(µ1,σ...
  • 常用的统计分析方法

    千次阅读 2020-12-27 12:53:30
    分析方法 频率分析 主要用于查看数据基本分布特征,数据清晰,各种统计量、基本报告数据源等 数据探索 探索性分析主要是从统计的角度查看统计量来评估数据分布,主要用于异常值...它属于非参数检验的范畴,主要是比较

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 43,653
精华内容 17,461
关键字:

常用的非参数检验方法