programming python

Trăn thử nghiệm Wilcoxon

Tập hợp phép đo đầu tiên [trong trường hợp y là tập hợp phép đo thứ hai] hoặc sự khác biệt giữa hai tập hợp phép đo [trong trường hợp này y không được chỉ định. ] Phải là một chiều

y mảng_like

Tập hợp phép đo thứ hai [nếu x là tập hợp phép đo đầu tiên] hoặc không được chỉ định [nếu x là sự khác biệt giữa hai tập hợp phép đo. ] Phải là một chiều

chuỗi sợi dây

Xác định giả thuyết thay thế, hoặc đuôi của bài kiểm tra. Phải là một trong các "hai mặt" [mặc định], "lớn hơn" hoặc "ít hơn". Xem

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

9 để biết thêm chi tiết

**kwargs mệnh lệnh

Các đối số từ khóa bổ sung được chuyển đến

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

Số liệu thống kê về lợi nhuận

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

1. giá trị W

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

2. đuôi của bài kiểm tra

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

3. giá trị p

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

4. các cặp phù hợp tương quan xếp hạng-biserial [kích thước hiệu ứng]

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

5. kích thước hiệu ứng ngôn ngữ chung

Xem thêm

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

ghi chú

Phép kiểm tra cấp bậc có chữ ký Wilcoxon [1] kiểm tra giả thuyết khống rằng hai mẫu được ghép nối có liên quan đến từ cùng một phân phối. Đặc biệt, nó kiểm tra xem phân phối của các hiệu x - y có đối xứng quanh 0 hay không

Quan trọng

Pingouin tự động áp dụng hiệu chỉnh liên tục. Do đó, giá trị p sẽ hơi khác so với

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

9 trừ khi

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

9 được chuyển rõ ràng sang giá trị sau

Ngoài thống kê thử nghiệm và giá trị p, Pingouin cũng tính toán hai phép đo kích thước hiệu ứng. Các cặp phù hợp xếp hạng tương quan song song [2] là sự khác biệt đơn giản giữa tỷ lệ bằng chứng thuận lợi và bất lợi;

\[r = f - u\]

Kích thước hiệu ứng ngôn ngữ chung là tỷ lệ các cặp trong đó

>>> import scipy
>>> scipy.stats.wilcoxon[x, y]
WilcoxonResult[statistic=20.5, pvalue=0.2661660677806492]

0 cao hơn

>>> import scipy
>>> scipy.stats.wilcoxon[x, y]
WilcoxonResult[statistic=20.5, pvalue=0.2661660677806492]

1. Nó được giới thiệu lần đầu tiên bởi McGraw và Wong [1992] [3]. Pingouin sử dụng một phiên bản brute-force của công thức do Vargha và Delaney 2000 đưa ra [4]

\[\text{CL} = P[X > Y] +. 5 \times P[X = Y]\]

Ưu điểm của phương pháp này là gấp đôi. Đầu tiên, cách tiếp cận brute-force ghép từng quan sát của

>>> import scipy
>>> scipy.stats.wilcoxon[x, y]
WilcoxonResult[statistic=20.5, pvalue=0.2661660677806492]

0 với đối tác

>>> import scipy
>>> scipy.stats.wilcoxon[x, y]
WilcoxonResult[statistic=20.5, pvalue=0.2661660677806492]

1 của nó và do đó không yêu cầu dữ liệu được phân phối bình thường. Thứ hai, công thức tính đến các ràng buộc và do đó hoạt động với dữ liệu thứ tự

Khi đuôi là

>>> import scipy
>>> scipy.stats.wilcoxon[x, y]
WilcoxonResult[statistic=20.5, pvalue=0.2661660677806492]

4, CLES sau đó được đặt thành \[1 - \text{CL}\] , mang lại tỷ lệ .

Người giới thiệu

Wilcoxon, F. [1945]. So sánh cá nhân bằng phương pháp xếp hạng. Bản tin sinh trắc học, 1[6], 80-83

Kerby, Đ. S. [2014]. Công thức khác biệt đơn giản. Một cách tiếp cận để giảng dạy tương quan phi tham số. Tâm lý học toàn diện, 3, 11-CNTT

McGraw, K. Ô. , & Vương, S. P. [1992]. Một thống kê kích thước hiệu ứng ngôn ngữ phổ biến. Bản tin tâm lý, 111[2], 361

Varga, A. , & Delaney, H. Đ. [2000]. Phê bình và cải thiện thống kê kích thước hiệu ứng ngôn ngữ chung “CL” của McGraw và Wong. Tạp chí thống kê giáo dục và hành vi. Ấn phẩm hàng quý được tài trợ bởi Hiệp hội nghiên cứu giáo dục Hoa Kỳ và Hiệp hội thống kê Hoa Kỳ, 25[2], 101–132. https. //doi. tổ chức/10. 2307/1165329

ví dụ

Thử nghiệm Wilcoxon trên hai mẫu liên quan

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

Tương tự nhưng sử dụng sự khác biệt được tính toán trước. Tuy nhiên, không thể tính kích thước hiệu ứng CLES vì nó yêu cầu dữ liệu thô

>>> pg.wilcoxon[x - y]
          W-val alternative     p-val       RBC  CLES
Wilcoxon   20.5   two-sided  0.285765 -0.378788   NaN

So sánh với SciPy

>>> import scipy
>>> scipy.stats.wilcoxon[x, y]
WilcoxonResult[statistic=20.5, pvalue=0.2661660677806492]

Giá trị p không hoàn toàn giống với Pingouin. Điều này là do Pingouin tự động áp dụng hiệu chỉnh liên tục. Vô hiệu hóa nó mang lại giá trị p giống như scipy

Kiểm tra Wilcoxon cho bạn biết điều gì?

Kiểm tra Wilcoxon so sánh hai nhóm được ghép nối và có hai phiên bản, kiểm tra tổng xếp hạng và kiểm tra xếp hạng có dấu. Mục tiêu của thử nghiệm là xác định xem hai hoặc nhiều bộ cặp có khác nhau về mặt ý nghĩa thống kê hay không .

Mann Whitney và Wilcoxon có giống nhau không?

Kiểm tra Mann–Whitney U / kiểm tra tổng xếp hạng Wilcoxon không giống với kiểm tra xếp hạng có chữ ký Wilcoxon , mặc dù cả hai đều không tham số và liên quan đến tổng các xếp hạng. Thử nghiệm Mann–Whitney U được áp dụng cho các mẫu độc lập. Thử nghiệm xếp hạng có chữ ký Wilcoxon được áp dụng cho các mẫu phù hợp hoặc phụ thuộc.

Tôi có nên sử dụng t

Trong khi các mẫu phụ thuộc t-test kiểm tra xem chênh lệch trung bình giữa hai quan sát có bằng 0 hay không, kiểm tra Wilcoxon kiểm tra xem chênh lệch giữa hai quan sát có xếp hạng trung bình có dấu là 0< . Do đó, nó mạnh mẽ hơn nhiều so với các ngoại lệ và phân phối đuôi nặng. . Thus it is much more robust against outliers and heavy tail distributions.

Là một cặp t

Kiểm tra xếp hạng có chữ ký Wilcoxon là phép thử tương đương phi tham số của kiểm tra t ghép đôi . Nó được sử dụng phổ biến nhất để kiểm tra sự khác biệt về giá trị trung bình [hoặc trung vị] của các quan sát được ghép nối - cho dù các phép đo trên các cặp đơn vị hay các phép đo trước và sau trên cùng một đơn vị.

Kiểm tra Wilcoxon cho bạn biết điều gì?

Mann Whitney và Wilcoxon có giống nhau không?

Tôi có nên sử dụng t

Là một cặp t

Bài Viết Liên Quan

Toplist mới

Bài mới nhất

Chủ Đề