精华内容
下载资源
问答
  • 简单统计推断:总体参数的假设检验 1.假设检验的逻辑步骤 (1)写出零假设和备择假设 (2)确定检验统计量 (3)确定显著性水平α (4)根据数据计算检验统计量的实现值 (5)得到检验是否显著的结论 2.对于正态总体...

    简单统计推断:总体参数的假设检验
    1.假设检验的逻辑步骤
    (1)写出零假设和备择假设
    (2)确定检验统计量
    (3)确定显著性水平α
    (4)根据数据计算检验统计量的实现值
    (5)得到检验是否显著的结论

    2.对于正态总体均值的检验
    2.1根据一个样本对其总体均值大小进行检验
    单尾检验
    双尾检验【如果一个单尾检验问题用了双尾检验,p值就比单尾检验时大了一倍】

    2.2根据来自两个总体的独立样本对其总体均值的检验

    w=read.table('drug.txt',header=T) #读入数据
    x=w[w[,2]==1,1];y=w[w[,2]==2,1]   #分开两个数据
    t.test(x,y,alt='greater')         #检验【不检验方差,直接用方差不等的方法去做,不会有问题】
    

    2.3成对样本的问题

    t.test(w$before,w$after,alt='greater',pair=T)    #直接检验
    t.test(w$before-w$after,alt='greater')           #相减后检验
    

    2.4关于正态性检验的问题
    (1)最简单实用方法:Shapiro正态性检验
    (2)直观办法:正态QQ图(不一定正确):用样本分位数与正态分位数做散点图,如果总体是正态的,则图上的点应该近似地排成一条直线。

    x=scan('sugar.txt')
    qqnorm(x);qqline(x)
    

    在这里插入图片描述

    3.对于比例的检验
    3.1对于总体比例的检验
    (1)精确检验【首选】

    binom.test(0.23*1500,1500,.25,alt='less')
    

    两个总体比例之差p1-p2的检验:

    binom.test(c(.2*1200,.21*1300),c(1200,1300),alt='less')
    

    (2)利用公式的近似检验【计算机不发达时的遗产】
    (3)用连续性修正的近似检验

    3.2对于连续变量比例的检验
    两种等价形式检验:
    1.看中位数或α分位数是否是某个事先认定的值(零假设)
    2.大于(或小于)某数的观测值是否为一个事先认定的比例(零假设)
    Q:存活时间低于2小时的是否少于70%?【此检验又称为(推广的)符号检验,不用对总体分布进行任何假定,通常把符号检验归于非参数检验范畴】

    x=scan('life.txt')
    binom.test(sum(x<2),60,.7,alter='greater')
    

    4.非参数检验
    4.1关于非参数检验的一些常识
    (1)和数据本身的总体分布无关的检验称为非参数检验。
    (2)在总体分布已知时,传统方法有较大的势,效率要高【势(power):当备择假设正确时,该检验拒绝零假设的概率,强势检验也称为高效率检验】 但在总体分布未知时,非参数统计比假定了错误总体分布时的传统方法要高,有时要高很多。
    (3)如何比较检验的效率:通常用两种检验方法的渐近相对效率(ARE)来度量,当ARE等于1时表示两者效率一样。一般来说,检验T1对检验T2的相对效率是这两个检验在拒绝零假设时所使用的最小样本量n1和n2的反比:n2/n1,显然,用的样本量越少,效率越高。
    (4)秩(rank)的概念:一般来说,秩就是该数据按照升幂排列之后,每个观测值的位置。

    4.2关于单样本位置的符号检验【3.2有介绍广义的符号检验】
    狭义的符号检验

    x=scan('gs.txt')
    pbinom(sum(x>100),25,.5)
    

    大于零假设中位数m的个数等于所有观测值减去m之后所得的符号为正的差的个数,而小于m的个数等于符号为负的差个数。这就是之所以称为符号检验的原因。
    如果有等于中位数m的,即既不相应于属于正号,又不相应于属于负号,对判断没有贡献,一般把它删除。

    4.3关于单样本位置的Wilcoxon符号秩检验
    要求假定样本点来自连续对称总体分布,对总体中位数的检验,等价于对总体均值的检验。
    该检验的具体步骤:
    (1)对i=1,…,n,计算∣Xi-M0∣,它们代表这些样本点到M0的距离。
    (2)把上面的n个绝对值排序,并找出它们的n个秩,如果它们有相同的样本点,每个点取平均秩(如1,4,4,5的秩为1,2.5,2.5,4)。
    (3)令W+等于Xi-M0>0的∣Xi-M0∣的秩的和,而W-等于Xi-M0<0的∣Xi-M0∣的秩的和。
    (4)对双边检验H0:M=M0<=>H1:M≠M0,在零假设下,W+和W-应差不多。因而,当其中之一很小时,应怀疑零假设。在此,取检验统计量W=min(W+,W-)
    (5)根据得到的W值,利用统计软件或查Wilcoxon符号秩检验的分布表以得到在零假设下的p值。如果n很大要用正态近似:得到一个与W有关的正态随机变量Z的值,再用软件或查正态分布表得到p值。
    (6)如果p值较小(比如小于或等于给定的显著性水平,譬如0.05)则可以拒绝零假设。如果p值较大则没有充分的证据来拒绝零假设,但不意味着接受零假设

    4.4关于随机性的游程检验(runs test)
    游程检验方法:检验一个取两个值的变量的这两个值的出现是否时随机的。
    游程:样本中相同的值在一起称为一个游程,单独的值也算。

    library(tseries)
    x=scan('run1.txt')
    runs.test(factor(x))
    

    当然,游程检验并不仅仅用于只取两个值的变量,它还可以用于某个连续变量的取值小于某个确定值及大于该值的个数(类似于0和1的个数)是否随机的问题。

    library(tseries)
    x=scan('run2.txt')
    runs.test(factor(x>median(x))) #这里runs.test()不是精确检验
    

    4.5比较两独立总体中位数的Wilcoxon(Mann-Whitney)秩和检验
    检验所需唯一假定:两个总体的分布有类似形状(不一定对称)
    原理:假定第一个样本有m个观测值,第二个样本有n个观测值,把两个样本混合之后把这m+n个观测值按照大小次序排序,然后记下每个观测值在混合排序下面的秩。之后分别把两个样本所得到的秩相加,记秩和分别是Xx和Xy,这两个值可以互相推算,称为Wilcoxon统计量。该统计量的分布与两个总体分布无关,由此分布可以得到p值。

    w=read.table('gdp.txt')
    wilcox.test(w[w[,2]==1,1],w[w[,2]==2,1],alt='less') #单尾检验
    
    展开全文
  • Wilcoxon 符号秩检验的检验目的和符号检验是一样的,但 Wilcoxon 符号秩检验需要假设样本点来自连续对称总体分布,在这个假设下总体的对称中心是总体中位数之一。Wilcoxon 符号秩检验就是要检验双边问题 H0 :M = M0...

    概念

    Wilcoxon 符号秩检验的检验目的和符号检验是一样的,但 Wilcoxon 符号秩检验需要假设样本点来自连续对称总体分布,在这个假设下总体的对称中心是总体中位数之一。Wilcoxon 符号秩检验就是要检验双边问题 H0 :M = M0 或检验单边问题 H0 :M ≤ M0H0 :M ≥ M0
    在检验两样本时,Wilcoxon 符号秩检验也是检验两样本中心位置是否相等的方法,不过要求两样本量相等。

    实例 & 代码

    为了解垃圾邮件对大型公司决策层的工作影响程度,某网站收集了19家大型公司的CEO和他们邮箱里每天收到的垃圾邮件件数,得到如下数据(单位:封):
    310,350,370,377,389,400,415,425,440,295,325,296,250,340,298,365,375,360,385
    从平均意义上来看,垃圾邮件数量的中心位置是否超过320封?显著性水平为0.05。
    解答:

    import scipy.stats as stats
    x=[310,350,370,377,389,400,415,425,440,295,325,296,250,340,298,365,375,360,385]
    y=[320]*len(x)
    stats.wilcoxon(x,y,correction=True,alternative='greater')
    

    结果如下:
    WilcoxonResult ( statistic = 158.0, pvalue = 0.005949317582258638 )
    由p值小于0.05,可以认为垃圾邮件数量的中心位置超过了320封。

    scipy.stats.wilcoxon() 参数解析

    scipy.stats.wilcoxon( x, y, correction = Flase, alternative = ‘two-sided’ )

    • x:第一组测量值(在这种情况下,y是第二组测量值),或者在两组测量值之间的差(在这种情况下,不指定y)。必须是一维的。
    • y:第二组测量值(如果x是第一组测量值),或者未指定(如果x是两组测量值之间的差)。必须是一维的。
    • correction:如果为True,则是在小样本情况下,在计算Z统计量时用0.5来连续性校正。默认值为False。
    • alternative:等于 “two-sided” 或 “greater” 或 “less”。“two-sided” 为双边检验,“greater” 为备择假设是大于的单边检验,“less” 为备择假设是小于的单边检验。
    展开全文
  • 最近学习非参数统计,碰到一个样例,准确说明了若数据不服从正态分布,或有明显的偏态表现,应用t统计量和t检验推断未必能发挥较好的效果~ 这是一个课本上的例题,数据是16座预售楼盘均价,判断是否与媒体公布的37...

    最近学习非参数统计,碰到一个样例,准确说明了若数据不服从正态分布,或有明显的偏态表现,应用t统计量和t检验推断未必能发挥较好的效果~
    这是一个课本上的例题,数据是16座预售楼盘均价,判断是否与媒体公布的37说法相符。

    data = matrix(c(36,32,31,25,28,36,40,32,41,26,35,35,32,87,33,35),16,1)  #16座楼盘均价
    
    row_name = c("数据")
    
    Data = data.frame(data)
    
    attach(Data)
    mean(data)
    var(data)
    length(data)
    t.test(data-37)  #近似总体为正态分布使用t统计量
    
    binom.test(sum(data>37),length(data),0.5)  #使用符号检验
    

    使用 t 统计量推断结果:

    One Sample t-test
    data: data - 37
    t = -0.14123, df = 15, p-value = 0.8896
    alternative hypothesis: true mean is not equal to 0
    95 percent confidence interval:
    -8.045853 7.045853
    sample estimates:
    mean of x
    -0.5

    在结果中可以看出,不能拒绝零假设,但不表示接受备择假设,它仅仅是说明要拒绝零假设还需要更多的证据。

    使用符号检验结果:

    Exact binomial test
    data: sum(data > 37) and length(data)
    number of successes = 3, number of trials = 16, p-value = 0.02127
    alternative hypothesis: true probability of success is not equal to 0.5
    95 percent confidence interval:
    0.04047373 0.45645655
    sample estimates:
    probability of success
    0.1875

    结果表明正好与t检验结果相反,表明拒绝零假设。在t分布中,假定样本来自于服从正态分布的样本。但实际数据有可能并不服从正态分布,即有偏态表现。由于t检验的假设正态分布有问题,所以符号检验更可信。

    展开全文
  • 参数检验和非参数检验

    万次阅读 多人点赞 2018-05-22 21:34:33
    、检验步骤4、检验的p值在一个假设检验问题中, 拒绝原假设H0的最小显著性水平称为检验的p值.5、单正态总体参数的检验(1)(2)(3)6、两正态总体参数的检验(1)(2)7、成对数据的t检验所谓成对数据, 是指两个...

    一、参数检验

    1、基本思想

    2、两类错误

    3.、检验步骤

    4、检验的p值

    在一个假设检验问题中, 拒绝原假设H0的最小显著性水平称为检验的p值.

    5、单正态总体参数的检验

    (1)


    (2)

     

    (3)

    6、两正态总体参数的检验

    (1)

    (2)

     

     

    7、成对数据的t检验

    所谓成对数据, 是指两个样本的样本容量相等, 且两个样本之间除均值之外没有另的差异.

    8、单样本比率的检验

    (1)比率p的精确检验

    (2)比率p的近似检验

    9、两样本比率的检验

     

    二、非参数的假设检验

    参数假设检验是在假设总体分布已知的情况下进行的.但在实
    际生活中,那种对总体的分布的假定并不是能随便作出的. 数据并不是来自所假定分布的总体, 或者,数据根本不是来自一个总体; 还有可能数据因为种种原因被严重污染. 这样,在假定总体分布已知的情况下进行推断的做法就可能产生错误甚至灾难性的结论. 于是,人们希望在不对总体分布作出假定的情况下,尽量从数据本身来获得所需要的信息, 这就是非参数统计推断的宗旨。

     

    单总体位置参数的检验

    (1)中位数的符号检验

    (2)Wilcoxon符号秩检验

    (3)

    (4)

     

    (5)

    (6)

     

    from:https://blog.csdn.net/lilanfeng1991/article/details/25914521

     
     
    展开全文
  • 参数检验与非参数检验的区别

    千次阅读 2019-05-11 18:21:10
    2,二者的根本区别在于参数检验要利用到总体的信息(总体分布、总体的一些参数特征如方差),以总体分布和样本信息对总体参数作出推断;非参数检验不需要利用总体的信息(总体分布、总体的一些参数特征如方差),以...
  • 总体样本方差的无偏估计样本方差为什么除以n-1

    万次阅读 多人点赞 2018-08-01 15:02:22
    样本是总体样本中随机抽取一系列个体组成的集合,它是总体样本的一部分。 应该把样本和总体样本一样进行抽象化理解,因此样本也存在期望和方差。 这里有一个重要的假设,就是随机选取的样本与总体样本同分布,它...
  • 参数统计概述

    千次阅读 2019-11-16 22:48:05
    文章目录非参数统计概述引言非参数方法举例Wilcoxon 符号秩检验Wilcoxon秩和检验 引言 非参数统计(nonparametric statistics)是相对于参数统计而言的一个统计学分支,是数理统计的重要内容。在参数统计中,我们往往...
  • 3、SPSS做非参数检验

    千次阅读 2015-04-15 15:16:32
    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。(实际上,这里要特别说明一下,尽管非参数检验的使用条件更宽松,但是考虑...
  • 然后经常会看到不同的书中*有靠近变量类型的,有靠近变量名称的,很迷惑这两者有什么区别。后来上网查证了一下,总结如下: 总体来说,*靠近哪一个都可以,编译器都会认为是指针变量,所以本质是一样的。但是两个...
  • matlab符号系统

    千次阅读 2019-05-15 11:30:52
    matlab提供的变量类型很多,最基础的是三种:数值变量、符号变量、字符串,其他的类型还有cell、table等。这里仅说明最基础的变量类型。 其实matlab现在仍然在发展,有越来越多的新的工具箱出现,比如:神经网络,...
  • 统计学之参数估计

    千次阅读 2019-12-29 22:48:48
    在参数估计中,用来估计总体参数的统计量称为估计量,用符号θ^表示,如样本均值、样本方差。根据一个具体的样本计算出来的估计量的数值称为估计值。 点估计与区间估计 点估计:用样本统计量θ^的某个取值直接...
  • 一、参数检验 1、基本思想 ...5、单正态总体参数的检验 (1) (2) (3) 6、两正态总体参数的检验 (1) (2) 7、成对数据的t检验 所谓成对数据, 是指两个
  • 符号执行——从入门到上高速

    千次阅读 2018-10-14 15:04:24
    前言 近期在研究符号执行相关的技术。近年利用符号执行进行分析的论文在安全的顶会中出现较为频繁,因此,笔者在...那么什么是符号执行(symbolic execution)技术呢?Wiki中的定义是:在计算机科学中,符号执行技...
  • 参数检验

    千次阅读 2017-03-06 20:21:19
    参数检验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等进行推断的方法。R语言可以进行各种不同的非参数检验,如Mann-Whitney U, Wilcoxon Signed Rank, Kruskal Wallis test 和 ...
  • Wilcoxon符号秩+秩和检验学习[转载]

    万次阅读 2018-11-04 21:37:00
    参数检验就是已知数据的精确分布模型,根据数据来求出模型中的未知参数;而非参数检验就是无需对样本总体分布(比如满足正态分布)...符号检验也是用来检验两配对样本所来自的总体的分布是否存在显著差异的非参数方...
  • Wilcoxon signed-rank test(Wilcoxon符号秩检验)是非...由于这些方法一般不涉及总体参数故得名。配对设计数据的符号秩和检验(Wilcoxon配对法).适用于配对资料的差异比较.Wilcoxon符号秩和检验用于资料配对设计
  • 原文 A Survey of Symbolic Execution Techniques 目录 1. 介绍 1.1 例子 ...2. 符号执行引擎 ...2.1 混合符号和具体执行 ...2.2 符号执行的设计...2.4 回溯符号执行 Symbolic Backward Execution 3. 内存模型 3.1...
  • MannWhitney U-test 曼-惠特尼U检验 ...参考曼-惠特尼U检验与威尔科克森符号秩检验是最常用的两独立样本非参数检验方法,无需对总体分布做出假定,可以用来比较两组分布未知的样品差异。Mann–Whitney U-test (曼-惠特
  • 而在用样本数据对正态总体参数做出统计推断(例如参数估计和假设检验)时,还要附加一个要求:样本数据应服从正态分布,这种数据分布类型已知的总体参数的假设称为参数假设检验。与参数假设检验相对应的还有非参数...
  • 浅谈参数估计

    千次阅读 2019-09-03 09:38:34
    参数估计是推断统计的重要内容之一,它是在抽样及抽样分布的基础上,根据样本统计量来推断所关心的总体参数. 估计量 如果能够掌握总体的全部数据,那么只需要作一些简单的统计描述,就可以得到所关心的总体特征,比如,...
  • Wilcoxon有符号秩检验(也称为Wilcoxon有符号秩和检验)是一种非参数检验。当统计数据中使用“非参数”一词时,并不意味着您对总体一无所知。这通常意味着总体数据没有正态分布。如果两个数据样本来自重复观察,那么...
  • POSIX标准总体分析

    万次阅读 2016-03-26 12:12:28
    线程是有趣的 了解如何正确运用线程是每一个优秀程序员必备的素质。...那么为什么对于大多数合作性任务,多线程比多个独立的进程更优越呢?这是因为,线程共享相同的内存空间。不同的线程可以存取内存中的同一个
  • 符号检验是一种利用正、负号的数目对某种假设作出判定的非参数检验方法。符号检验的基本思路是,将第二组样本的每个观测值减去第一个样本的对应观测值,观测所得到的差值的符号,如果差值中正数的个数和负数的个数...
  • python非参数检验

    千次阅读 2019-11-25 15:42:01
    目录 单样本非参数检验 中位数(均值)检验【wilcoxon符号值秩检验】 分布的检验 游程检验 两样本的非参数检验 ...独立样本中位数(均值)检验【Mann-Whitney-Wilcoxon检验or Wilcoxon秩...在总体分布未知或与总体...
  • SPSS-非参数检验

    2018-10-20 21:02:00
    非参数检验(卡方(Chi-square)检验、二项分布(Binomial)检验、单样本K-S...参数检验:T检验、F检验等常用来估计或检验总体参数,统称为参数检验非参数检验:这种不是针对总体参数,而是针对总体的某些一般性...
  • 参数估计-矩估计和极大似然估计概述

    万次阅读 多人点赞 2016-09-10 22:38:42
    参数估计:是根据从总体中抽取的样本估计总体分布中包含的未知参数的方法。它是统计推断的一种基本形式,是数理统计学的一个重要分支,分为点估计和区间估计两部分。 点估计:依据样本估计总体分布中所含的未知...
  • 参数统计检验

    千次阅读 2018-11-28 12:59:20
    参数统计分析
  • 一、配对资料的符号秩和检验 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...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 35,933
精华内容 14,373
关键字:

总体参数的符号是什么