符號秩檢驗 - CSDN

2021-02-08 CSDN技術社區

Wilcoxon符號秩檢驗

   它適用於T檢驗中的成對比較,但並不要求成對數據之差服從正態分布,只要求對稱分布即可。檢驗成對觀測數據之差是否來自均值為0的總體(產生數據的總體是否具有相同的均值)。

在Matlab中,秩和檢驗由函數ranksum實現。

命令為: [p,h]=ranksum(x,y,alpha)

   其中x,y可為不等長向量,alpha為給定的顯著水平,它必須為0和1之間的數量。p返回 產生兩獨立樣本的總體是否相同的顯著性概率,h返回假設檢驗的結果。如果x和y的總 體差別不顯著,則h為零;如果x和y的總體差別顯著,則h為1。如果p接近於零,則可對 原假設質疑。

clear;clc;path1 = 'C:\Users\Administrator\Desktop\重新整理血管網絡\真實數據.xls';path2 = 'C:\Users\Administrator\Desktop\重新整理血管網絡\真實數據1.xls';path3 = 'C:\Users\Administrator\Desktop\重新整理血管網絡\生成數據9.xls';path4 = 'C:\Users\Administrator\Desktop\重新整理血管網絡\生成數據1.xls';path5 = 'C:\Users\Administrator\Desktop\重新整理血管網絡\wgan-gp1.xls';path6 = 'C:\Users\Administrator\Desktop\重新整理血管網絡\wgan-gp200.xls';mypath1 = path1;%對比兩個結果mypath2 = path2;A = 'A2:A500';B = 'B2:B500';C = 'C2:C500';D = 'D2:D500';E = 'E2:E500';F = 'F2:F500';G = 'G2:G500';H = 'H2:H500';I = 'I2:I500';J = 'J2:J500';K = 'K2:K500';L = 'L2:L500';M = 'M2:M500';N = 'N2:N500';O = 'O2:O500';disp('主分支長度')[num1] = xlsread(mypath1,A);[num2] = xlsread(mypath2,A);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p);disp('左分支長度')[num1] = xlsread(mypath1,B);[num2] = xlsread(mypath2,B);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p);disp('右分支長度')[num1] = xlsread(mypath1,C);[num2] = xlsread(mypath2,C);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p);disp('主左長度比')[num1] = xlsread(mypath1,D);[num2] = xlsread(mypath2,D);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p);disp('主右長度比')[num1] = xlsread(mypath1,E);[num2] = xlsread(mypath2,E);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p);disp('主分叉捲曲度')[num1] = xlsread(mypath1,F);[num2] = xlsread(mypath2,F);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p);disp('左分叉捲曲度')[num1] = xlsread(mypath1,G);[num2] = xlsread(mypath2,G);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p);disp('右分叉捲曲度')[num1] = xlsread(mypath1,H);[num2] = xlsread(mypath2,H);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p);disp('主左角度')[num1] = xlsread(mypath1,I);[num2] = xlsread(mypath2,I);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p);disp('主右角度')[num1] = xlsread(mypath1,J);[num2] = xlsread(mypath2,J);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p);disp('左右角度')[num1] = xlsread(mypath1,K);[num2] = xlsread(mypath2,K);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p);disp('主端點長度')[num1] = xlsread(mypath1,L);[num2] = xlsread(mypath2,L);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p);disp('左端點長度')[num1] = xlsread(mypath1,M);[num2] = xlsread(mypath2,M);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p)disp('右端點長度')[num1] = xlsread(mypath1,N);[num2] = xlsread(mypath2,N);mean1 = mean(num1); %平均值mean2 = mean(num2); std1 = std(num1); %標準差std2 = std(num2); var1 = var(num1); %方差var2 = var(num2);[p,h] = ranksum(num1,num2);fprintf('原始數據1--平均值:%f,標準差:%f,方差:%f\n',mean1,std1,var1);fprintf('原始數據2--平均值:%f,標準差:%f,方差:%f\n',mean2,std2,var2);fprintf('h值:%d,p值:%f\n\n',h,p)

 

相關焦點

  • r語言的秩和檢驗 - CSDN
    就兩組數據的比較而言,wilcox秩和檢驗(或稱Mann-Whitney U檢驗)是常見的非參數檢驗方法之一。本文簡介怎樣在R中進行wilcox秩和檢驗,以實現兩組間非參數差異分析。我們考慮使用非參數的方法作為替代,對於兩組數據的比較,可使用wilcoxon檢驗。類似於t檢驗,根據樣本間是否獨立,wilcoxon檢驗分為wilcox秩和檢驗以及wilcox符號秩和檢驗。wilcox秩和檢驗假設樣本間是相互獨立的,直接使用wilcox秩和檢驗去處理。它是獨立樣本t檢驗的一種非參數替代方法。
  • 精益六西格瑪管理-威爾科克森符號秩檢驗-高精度非參檢驗方法
    對於單個總體均值的檢驗問題,我們在前面的參數檢驗做了介紹,當標準差已知時,我們可以用Z檢驗;當標準差未知時,可以用t檢驗。當然,這兩種檢驗法都必須要求總體分布為正態。如果分布非正態,我們可以用符號檢驗的方法。
  • 參數檢驗 - CSDN
    3 KS檢驗的Python實現3.1 檢驗指定的數列是否服從正態分布3.2 檢驗指定的兩個數列是否服從相同分布4 其餘的非參數檢驗4.1 Wilcoxon符號秩檢驗(t檢驗的非參數版本)4.2 Kruskal-Wallis H檢驗(方差分析的非參數版本)4.3 Mann-Whitney秩檢驗5 參考1 什麼是KS
  • 精益六西格瑪管理-威爾科克森符號秩檢驗-雙樣本情形下的應用
    前面我們介紹了威爾科克森符號秩檢驗的單樣本情形。其實這個方法還可用於雙樣本的檢驗。下面我們就通過具體的例子,來了解雙樣本威爾科克森符號秩檢驗的具體應用;例;有一家製造企業,試圖確定兩種生產方法在完工時間上是否存在差異。選出了一個由11人組成的樣本,且每個工人都分別使用兩種生產方法完成了同樣一項生產任務。每個工人首先使用哪種生產方法,是隨機挑選的。於是,每個工人提供了一對觀測值,列於表中。
  • 精益六西格瑪管理-如何在MINITAB中進行威爾科克森符號秩檢驗
    前面我們舉了例子,說明了威爾科克森符號秩檢驗的具體計算步驟和方法。接下來,我們採用MINITAB工具,進行分析。看看威爾科克森符號秩檢驗在MINITAB中是如何操作的。WELCOXON進入運算;選取數據;按如圖示的格式,將數據選入對話框;選擇TEST MEDIAN;ALTERNATIVE 欄選擇GRATER THAN;MINITAB運算結果;運算結果顯示,檢驗的置信度水平
  • 非參數中的秩和檢驗到底怎麼做的?
    剛開始學統計的時候,我們都知道:數據符合正態分布就用t檢驗,不符合就用非參數檢驗,更具體點,就是所謂的「秩和檢驗」。這是沒錯的,對於數據量小,而且很不符合的正態分布的情況,秩和檢驗確實是必不可少的一種方法。所以搞懂秩和檢驗還是很有必要的。
  • 顯著性檢驗的計算 - CSDN
    根據不同適用條件,常用的統計方法有:兩配對樣本的t檢驗、兩配對樣本的非參數檢驗(如Wilcoxon符號秩檢驗)、配對卡方檢驗(McNemar)。【1】兩配對樣本的t檢驗其本質是兩配對樣本的差值與0的比較。跟兩獨立樣本的t檢驗一樣,兩配對樣本的t檢驗用到的函數也是t.test {stats}。
  • 第二節 符號檢驗
    第二節 符號檢驗   將資料用正負號表示,然後根據正負號個數計算χ2值進行假設檢驗,稱為符號檢驗。符號檢驗的檢驗假設:若為成對資料,則為H0:P(X1>X2)=P(X2>X1),含義是總體內每一對數字(分別用X1和X2表示)中,X1>X2的概率等於X2>X
  • r相關性檢驗 - CSDN
    1.6 相關性檢驗對於多元數據,討論變量間是否具有相關關係是很重要的,這裡介紹三種相關檢驗—Pearson相關檢驗、Spearman相關檢驗和Kendall相關檢驗,第一個檢驗是針對正態數據而言的,而後面兩種檢驗屬於秩檢驗.
  • 發表偏倚檢驗之Begg和Mazumdar秩相關檢驗
    發表偏倚檢驗是元分析中最重要的一環。今天介紹的文獻是常用的檢驗方法之一:Begg和Mazumdar秩相關檢驗。這個也是CMA軟體發表偏倚輸出結果之一。大家知道怎麼解讀這個指標嗎?還不會的話,沒有關係,看看推薦的這篇經典文獻就明白了。關注微信公眾號「元分析」獲取更多精彩內容。
  • 基於R語言實現多組獨立樣本的非參數檢驗(Kruskal-Wallis秩和檢驗)及兩兩比較
    如果不服從正態分布,採用中位數(四分位數間距)進行統計描述,組間比較採用非參數檢驗(Kruskal-Wallis秩和檢驗),當組間總的有統計學差異,進一步採用Dunn法(也可以是其它方法)進行多重比較。我們想比較不同BMI組人群的年齡是否有差異,經正態性檢驗,年齡不符合正態分布,故選用非參數檢驗(Kruskal-Wallis秩和檢驗)。
  • SPSS分析技術:非參數檢驗之Wilcoxon檢驗;平均值比較不了?那就比較中位數吧!
    非參數檢驗根據分析原理可以分成兩大類:卡方檢驗和秩和檢驗;卡方檢驗的分析原理和作用在前幾篇推送中已經詳細介紹過,大家可以點擊下方連結回顧: 草堂君接下來會再用幾篇推送來介紹幾種最常用的秩次檢驗方法。今天介紹的是威爾考克斯(Wilcoxon)符號秩檢驗。
  • 使用非參數統計檢驗進行分析的指南
    2.威爾科克森符號秩檢驗(Wilcoxon Sign-Rank Test)當樣本違反正態分布假設時,就可以使用該檢驗代替配對t檢驗。一位老師在課堂上教了一個新題,並決定在第二天進行突擊測驗。差異秩-1122.5-22.544.544.576在Wilcoxon sign-rank test中,我們需要符號,基本上是將與差異相關的符號分配給秩,如下所示。
  • 第九講 R-單樣本Wilcoxon檢驗
    但是,當樣本分布非正態,且經過一定的數值轉換嘗試後,仍然無法滿足正態性要求時,單樣本的Wilcoxon符號秩檢驗成為備選方法。它是一種非參數樣本檢驗,基於樣本的秩次排列,而非平均值。注意,當數據呈非正態分布時,選擇Wilcoxon檢驗。
  • 理論與實務學習:專業假設檢驗
    一、假設檢驗的涵義及目的  假設檢驗是抽樣推斷的一項重要內容,是利用樣本的實際資料來檢驗事先對總體某些數量特徵所作的假設是否可信的一種統計方法。因此,凡屬於研究總體的數量變化是否按照我們預期的規律性要求的問題都屬於統計假設檢驗的討論範圍。
  • R語言實現統計分析——非參數假設檢驗
    非參數檢驗通常是將數據轉換成秩(順序的意思)來進行分析的,秩就是該數據按照升冪排列之後,每個觀測值的位置。1 單樣本泊松分布總體的均值檢驗泊松分布適合於描述單位時間內隨機事件發生的次數。5 符號檢驗中位數符號檢驗:當我們以中位數將數據分為兩邊,一邊為正,一邊為負,那麼樣本出現在兩邊的概率應該都為1/2。因此,使用p=0.5的二項檢驗就可以做符號檢驗了。#統計了66個城市的生活花費指數,北京的生活花費指數為99#請問北京是否位於中位數以上。
  • 統計計量丨常見統計檢驗的本質都是線性模型(或:如何教統計學) Python版(上)
    考慮到在入門課程教授」非參數「檢驗的時候,可以避開騙小孩(lying-to-children) 的⼿段,直接告訴學⽣「非參」檢驗其實就是和秩相關的參數檢驗。對學⽣來說,接受秩的概念比相信你可以神奇地放棄各種假設好的多。
  • matlab模型檢驗 - CSDN
    (圖片來源:https://blog.csdn.net/qq_40006058/article/details/80191168)對於單獨的非平穩時間序列,需要通過分來將非平穩時間序列變為平穩時間序列。
  • f檢驗 matlab專題及常見問題 - CSDN
    Mann-Kendall顯著性檢驗工具:1、MATLAB2、DPS3、示例數據(數據採用的是魏鳳英老師《現代氣候統計診斷預測技術》中的1900-1990年上海市的年平均氣溫數據)Mann-Kendall原理可詳細參考https://wenku.baidu.com/view/6fd3fe5b6edb6f1afe001f2f.html
  • r語言檢驗 是否相關 - CSDN
    )#其中x,y構成兩向量,(如果只提供x,則作單個正態總體的均值檢驗,如果提供x,y則作兩個總體的均值檢驗),#alternative表示備擇假設,two.sided(預設),雙邊檢驗(H1:μ≠H0),less表示單邊檢驗(H1:μ<μ0),greater表示單邊檢驗(H1:μ>μ0),#mu表示原假設μ0,paired表示是否配對樣本T檢驗,conf.level