0

我正在分析来自 3 种不同步态速度的数据。对于每个组/速度，我正在确定称为“角度”的特定值。每组有不同的样本量。所以，我需要比较多模态分布，我想统计测试以下内容：

  1. 每组内 3 个模态（峰）之间存在显着差异
  2. 所有三组的相同模式之间没有显着差异（与其他 2 种模式相比）。

分布如下所示，值得注意的是，每组的 3 种模式相对于彼此出现大约相同的值。 3组多模式分布

我被这个困住了。我已经尝试过 KDE，并且得到了 3 个预期的集群。我不确定如何证明差异。我也尝试过 Kruskal-Wallis 非参数检验（针对不同的样本量），但结果显示组之间存在显着差异，我认为分布在统计上没有差异（2. 上面的点）。

另一个问题是这是循环问题，因为角度是从 0 到 360，所以我不确定这是否会改变方法（我已经预处理数据来处理这个问题）。

你能帮忙吗？

请注意，我的真实数据要大得多，我不能在这里复制，所以我在下面给出一个玩具示例（红色小提琴图来自真实数据）：

structure(list(speed = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 
3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("04ms", 
"1ms", "2ms"), class = "factor"), angle = structure(c(1L, 16L, 
26L, 27L, 4L, 5L, 6L, 17L, 18L, 19L, 28L, 29L, 30L, 2L, 8L, 9L, 
12L, 11L, 10L, 22L, 18L, 20L, 28L, 29L, 31L, 15L, 3L, 9L, 7L, 
14L, 13L, 14L, 25L, 21L, 22L, 23L, 24L), .Label = c("1", "11", 
"12", "120", "121", "123", "125", "13", "130", "132", "133", 
"135", "142", "143", "18", "2", "250", "251", "252", "255", "256", 
"260", "261", "262", "270", "3", "4", "5", "6", "7", "8"), class = "factor")), class = "data.frame", row.names = c(NA, 
-37L))
4

0 回答 0