Python全系列 教程
3567个小节阅读:5929.7k
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
相关样本的非参数检验是在对总体不了解的情况下,对样本所在的相关配对总体的分布是否存在显著性差异进行检验。 该检验一般应用于对同一研究对象(或配对对象)分别给与K种不同处理或处理前后的效果进行比较,前者推断K种效果有无显著差异,后者推断某种处理是否有效。
示例:80位学生,在培训前和培训后数学成绩和成绩及格率。使用两配对样本非参数检验检验学生在培训前和培训后两个总体分布是否存在显著性差异。
导入数据
① 威尔科克森 检验 主要用于检验两个相关样本是否来自相同的总体,但对总体分布形式没有限制。
基本思想:
⒈ 先将一个样本观测值减去另一个样本相应的观测值,记下差值的符号和绝对值 ⒉ 将绝对值数据按升序排序后,求出相应的秩 ⒊ 分别计算正值的平均秩及总和,负值的平均秩及总和统计量
②Sign检验 基本思路:将两组样本中对应的观测值相减,分别得到正差值和负差值,计算正差值和负差值的个数,再比较正负差值个数的差异性。
③ 麦克尼玛尔检验
又称变量显著性检验。该检验将研究对象自身作为对照,检验其“前后”变化是否有显著差异。其零假设:样本来自的两配对总体分布无显著差异。
从检验结果可以看到,使用两种方式进行检验显著性都小于0.05,说明培训前和培训后数学成绩有显著性差异。
检验培训前和培训后的及格率是否有显著性差异
点击“确定”,查看输出结果
从检验结果可以看到,显著性都小于0.05,说明培训前及格率和培训后及格率有显著性差异。