Python全系列 教程
3567个小节阅读:5931.8k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
两个独立样本检验是一种检验两个未知分布的独立样本是否来自相同分布的总体,也就是检验两个样本是否存在显著差异。
原假设两个独立样无显著性差异。
示例:数据是两个小组投篮命中数,使用两独立样本非参数检验查看这两个小组投篮命中数有没有显著性差异。
导入数据
可以看到检验类型有四种:
曼-惠特尼U检验 基本思路: ⒈将两组的样本混合并按升序排序,这时我们就得到了每个数据在整个数据中的位置,我们称之为等级或秩 ⒉计算第一个样本每个观察值的秩大于第二个样本每个观察值的秩的次数,在计算第二个样本每个观察值的秩大于第一个样本观察值的秩的次数,分别用U1和U2表示 ⒊观察U1和U2,如果两个值相近,则两个样本来自相同分布的总体,反之不是
K-S检验
是一种检验两组样本秩分累计频数和累计频率的差异检验。 基本思路: ⒈计算两组样本的秩分累计频数和每个点上的累计频数 ⒉将两组的累计频率相减,得到一组差值序列 ⒊通过检验该差值序列总和的大小来检验两个独立样本分布是否有差异
游程检验
单样本游程检验是用来检验变量值的出现是否随机,而两独立变量的游程检验则是用来检验两独立样本来自的两总体的分布是否存在显著差异。其原假设是:两组独立样本来自的两总体的分布无显著差异。
两独立样本的游程检验与单样本游程检验的思想基本相同,不同的是计算游程数的方法。两独立样本的游程检验中,游程数依赖于变量的秩。
极端反应检验
极端反应检验从另一个角度检验两独立样本所来自的两总体分布是否存在显著差异。其原假设是:两独立样本来自的两总体的分布无显著差异。
基本思想是:将一组样本作为控制样本,另一组样本作为实验样本。以控制样本作为对照,检验实验样本相对于控制样本是否出现了极端反应。如果实验样本没有出现极端反应,则认为两总体分布无显著差异,相反则认为存在显著差异。
从四种检验方法中可以看到,显著性都是大于0.05。不拒绝原假设,可以认为两个小组投篮命中数分布无显著差异。