问题标签 [hypothesis-test]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
python - 如何在假设中传递不同的 DataType 值以及如何在 Python 中检查返回类型和值是否正确
使用 Hypothesis 模块在 Python 中进行单元测试的示例代码。编写了简单的getTimeDelta
函数来获取两个日期之间的时间差。
想写getTimeDelta
函数的单元测试。使用假设模块来获得多个datetime
值。
问题是: 1. 如何传递不同的数据类型值,即time1
str 和time2
isdatetime
而无需编写多个函数?
仅检查返回值的数据类型,而不是实际结果是否正确。怎么做?
如何检查项目的数据类型,结果元组?
assertIsInstance
代码:
编辑 01:
我们可以通过hypothesis.strategies.one_of(*args)
,链接修复 #Question1
r - How to get confidence interval for hypothesis test of non-linear multiple parameters
I am trying to do something that seems very simple yet I cannot find any good advice out there. I would like to get the confidence interval for the non-linear combination of two coefficients in a regression model. I cam use linearHypothesis()
to conduct an F-test and get the p-value for a linear combination. The code I ran for that part is:
I can use glht()
from the multcomp package to get the confidence interval for a linear combination of parameters:
But I'm not sure what to do for a non-linear combination like (summary(reg4)$coefficients[2])/ (summary(reg4)$coefficients[4])
Any advice?
r - 为单向混合效应方差分析的 Tukey 检验获取错误的 p 值
我正在尝试复制用于单向混合效应方差分析的 Tukey 测试的教科书示例(来自 Statistics,William L. Hays p 581-583),但我使用 lme 和 glht 获得的 p 值没有意义
该研究重复测量了四种治疗方法和 10 名受试者
数据
该模型
这个 F 值与 Hay 的 ( ) 足够接近F = 43.41
,我很确定我的模型很好。
图基测试
这与书本不一致。Hay's 只报告了一些比较,并给出了 HSD 和均值,而不是 p,但对于 a3-a1 的对比,发现与 an 没有显着差异,HSD = 4.02
并且mean = 3.9
根据我的计算有p.value = 1-ptukey(3.9*sqrt(10/8.27),4,9)=0.05719563
.
R 输出也没有意义,因为应该控制多重比较的 Tukey 检验 p 值远小于配对 t 检验的 p 值(p=0.0142,使用t.test(c(11, 14, 15, 17, 15, 14, 9, 17, 10, 12),c(5, 10, 6, 13, 6, 13, 7, 10, 14, 11), paired=TRUE)
.
知道我做错了什么以及如何在 R 中正确执行 Tukey 测试吗?
r - R中用于假设检验的似然比检验
我正在尝试计算 R 中的对数似然比检验,但遇到了一些困难。
出于某种原因,我不断得到一个负对数似然值,这是不可能的,我不知道原因。
这是我正在使用的数据。
这是到目前为止的代码:
我试图检验均值不等于 (1,1,1) 的零假设我将协方差矩阵乘以 (n4-1)/n4 的原因是我需要将协方差除以 n,而不是 n -1,cov 函数将矩阵除以 n-1。
我不确定我得到负值的原因,但如果有人可以给我一些建议,我将不胜感激。
感谢您阅读
python - t 按性别测试用户的总播放量 - python
我想通过他们的总播放量来评估男性和女性用户组的统计差异(见下面的例子):
女性参赛作品示例
每个唯一女性用户的总播放次数
男性条目示例
每个唯一男性用户的总播放次数
每个性别的平均播放次数
在尝试 t 检验之前,我将每个系列转换为值列表:
对于 t 检验:
结果让我感到困惑,因为输出看起来很不一样,我认为这不是由于两个样本大小的差异......
数组长度之外是否有任何原因可能导致这种情况?
r - R中GARCH模型的限制测试(H0:alpha1 + beta1 = 1,H1:alpha1 + beta1≠1)不起作用
我正在尝试使用以下假设对 GARCH 模型(来自“rugarch”包的 ugarch)进行限制测试:
1.使用带有选项 variance.model = list(model = "sGARCH") 的 ugarchspec 指定受限模型,并使用 ugarchfit 对其进行估计。从槽拟合子槽似然中获得对数似然。
2. 使用带有选项 variance.model = list(model = "iGARCH") 的 ugarchspec 指定受限模型,并使用 ugarchfit 对其进行估计。如上所述获得对数似然。
3.计算LR=2(无限制模型的对数似然-受限模型的对数似然)并获得p值作为pchisq(q = LR,df = 1)。
我从“rugarch”包中使用了以下“sGARCH”和“iGARCH”模型。
(A) sGARCH(无限制模型):
以下是 sGARCH 输出:
(B) iGARCH(受限模型):
但是,我得到了 beta1 的以下输出,其标准错误、t 值和 p 值中包含 N/A。
以下是 iGARCH 输出:
如果我按照建议计算对数似然差以得出卡方值,我会得到负值:
受限模型“iGARCH”的对数似然为 5412.268,高于不应该发生的非受限模型“sGARCH”的对数似然 5411.828。
我使用的数据按时间序列方式如下(由于空间限制,我只发布前100个数据):
为了从我的 H0 和 H1 假设执行限制测试,我可以知道如何解决这个问题吗?
r - R中比例的假设
我有 100 个是/否答案的随机样本。其中13个是“是”。其余为“否”。我必须检验一个关于比例的假设。
假设:H0:p = p0
H1: p > p0
置信度为 95%
我有以下代码:(z.prop 函数计算测试统计量。)
如果我使用此代码,则 p 值不同。
使用我的函数,我得到 0.1586553 的 p 值。使用 binom.test 函数我得到 p 值 = 0.1982。
这怎么可能?我的代码是错误的,还是只是某种舍入错误?谢谢你。
r - 当输出为 felm 对象时,R 中两个回归模型之间的 F 检验
假设我使用lfe
包felm
来解释大量的固定效果。
lm
诸如此类的标准对象技巧anova()
不起作用。我可以自己编程,但我只是好奇。
r - R帮助:保持一个变量不变的F统计回归测试
我正在尝试对回归进行许多 F 检验,以测试弹性系数在统计上是否与 0 不同。我使用的回归如下所示,我正在尝试测试 gdp 的去弹性。
在哪里:
- log.dem 表示变量“dem”的日志
- log.dem_edu 表示交互回归量,log(dem) 和连续变量“educ”的乘积
- edu 代表居民完成的平均教育年限
dem 的弹性由 log.dem 的系数和系数 log.dem_edu 乘以 educ 的总和给出。
- 弹性 = 系数(log.dem)+ 系数(log.dem_edu)*educ
我想测试不同 educ 值(educ=1,educ=2,...,educ=10)的 dem 弹性的统计显着性,但我不确定如何使用 R 来完成此操作。对于 educ =1,我可以使用下面显示的代码运行 F 检验,因为弹性只是 coeff(log.dem) + coeff(log.dem_educ)*1 的总和。但是,我不确定如何调整它以测试 educ 值大于 1 的弹性系数。
任何建议将不胜感激!