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.
statistics - Kolmogorov-Smirnov 检验中的假设检验 - 无论是临界值还是 p 值
我是统计学的新手。我正在尝试一个样本 Kolmogorov-Smirnov 测试。我能找到直到 D max。但是我很困惑继续进行假设检验。
为了确定假设,我应该向前推进——
表中的临界值
如果检验统计量 D 大于从表中获得的临界值,则拒绝
或者
KS Statustic 值的 p 值。
哪个更好?读到 p 值更好。在此他们告诉“ kstest 决定通过将 p 值 p 与显着性水平 Alpha 进行比较来拒绝零假设,而不是通过将检验统计量 ksstat 与临界值 cv 进行比较。由于 cv 是近似值,因此将 ksstat 与 cv 进行比较偶尔会导致与比较 p 和 Alpha 不同的结论。 ”
但找不到任何关于相同的方程。
在上述参考文献中,我怀疑他们是否将 D max 作为 p 值。
请指教
r - 测试回归权重是否不同于 1
我在lm()
使用股票报价时使用 R 进行回归。我使用指数权重进行回归:数据越旧,权重越小。我的权重公式是这样alpha^(seq(685,1,by=-1)))
的:(数据长度为 685),为了找到 alpha,我尝试了 0.9 到 1.1 之间的每个值,步长为 0.0001,我选择了最小化预测值和实际值之间差异的 alpha。这个 alpha 等于 0.9992,所以我想知道它在统计上是否与 1 不同。
换句话说,我想知道权重是否不同于 1。是否有可能实现这一点,如果可以,我该怎么做?
我真的不知道是否应该问这个问题,stats.stackexchange
但它涉及R
所以我希望它不会放错地方。
r - 使用 L 矩而不是 R 中的 mle 估计进行 Kolmogorov-Smirnov 检验
我正在尝试执行 KS 测试以评估将 Pearson III 分布拟合到我的数据的适用性。fitdist
使用包中实现的mlefitdistrplus
我们获得可以直接插入的参数估计ks.test
:
这工作正常。
旁白:我知道使用数据中的参数估计执行 KS 测试会使测试无效。我省略了我用来解决这个问题的模拟过程,以确保我的问题的清晰性和代码的简单性。
现在,计算 L 矩:
ks.test
需要使用pgamma3
只接受shape
、scale
和thres
参数的函数。我的问题是如何适应ks.test
使用 L 矩而不是 mle 估计?
ios - 如何在 iOS 应用程序中使用仪器修复泄漏
我刚刚开始使用工具来查找应用程序中的内存泄漏,任何人都可以建议我如何修复仪器中提到的泄漏。
实际上我得到如下屏幕所示
任何人都可以建议我修复的步骤..
我在这里提到过: 仪器和调试,但无法解决这个问题..
在这里,它建议创建假设来估计时间消耗..有人知道如何创建这个吗?
python - Python中泊松E-test的实现
泊松电子测试是否有 Python 实现?对于二项式 scipy 的Fisher 精确检验为 stats.fisher_exact,对于高斯 scipy.stats 的Welch 的 T 检验为 ttest_ind。我似乎找不到任何 Python 实现来比较两个泊松。
r - 使用引导置信区间进行假设检验
我正在尝试使用引导置信区间进行一些假设检验,但是在设置引导时遇到了一些麻烦。目标是在 theta=1 和 0.05 级别测试空值。我提供了下面使用的数据样本:
在引导程序中,我还尝试使用以下数值优化dpois(data,lambda=exp(x)
:我提供了我在下面生成的代码:
错误如下:
bootxbar[i] <- function(x) dpois(y, lambda = exp(x)) 中的错误:子赋值类型修复中的不兼容类型(从闭包到逻辑)
r - 用于比较 R 中修剪均值的 Bootstrap-t 方法
我对比较独立手段的不同稳健方法感到困惑。我在统计教科书中找到了很好的解释。例如yuen()
,在样本量相等的情况下。我的样本相当不平等,因此我想尝试一种 bootstrap-t 方法(来自 Wilcox 书籍:Robust Estimation and Hypothesis Testing 简介,第 163 页)。它说这yuenbt()
将是一个可能的解决方案。
但是所有教科书都说我可以在这里使用向量:
如果我检查本地描述,它会说:
我的试验有什么问题:
为什么我的两个向量不能使用 yuenbt 函数?非常感谢你
r - 在 r 中进行大量的 2 样本比例测试
我正在尝试为比例测试创建一个模拟,看看我多久会得到一个显着的结果(即 p/value < 0.05)。我假设人口规模不相等,例如
在这里,我有 100 个模拟测试,测试群体中有 5000 个,对照组中有 10000 个,转换率存在实际差异(测试为 0.05,控制为 0.04)。
我现在想为这些模拟测试中的每一个运行一个比例测试并获得 p 值。所以对于第一个测试,我会做:
然后我用 for 循环遍历它以获得每个模拟测试的 p 值。
我希望以更紧凑的方式做到这一点。我在这里找到了一种使用 Map 进行 1 样本比例测试的方法,但我不知道如何进行 2 样本测试。看起来我应该能够在一行中完成它,并且只需得到一个 p 值向量作为输出。
我尝试了以下
但它给了我 200 个 1 样本比例测试,而不是 100 个 2 样本比例测试......我能做些什么来解决它?
理想情况下,我会得到一个长度为 100 且带有 p.values 的向量,这样我就可以检查哪个部分低于 5%,这就是测试能力。
matlab - 比较样本数据和生成的数据
我们有样本数据,我们设法确定了它遵循的分布类型(广义极值)及其参数(K、Sigma、Mu)
我们从具有相同参数和相同范围(23.1 到 105.64 之间)的相同分布中生成了 n 个样本(10000)
如何确保生成的数据遵循样本的给定分布?
注意:(比较 mu、sigma、均值和标准差给出了非常不同的数字)
提前致谢
r - 测试 R 中的一般线性假设
我正在阅读线性回归教科书,并试图复制一般线性假设检验部分的结果,但我需要一些关于如何在 R 中这样做的帮助。
我已经看过许多其他帖子,但希望有人能给我一些示例代码。我有关于 26 个主题的数据,其形式如下:
鉴于此数据,我试图测试适合三组受试者的回归线是否具有共同的斜率。假设的模型是:
所以感兴趣的假设是 H0:β1 = γ1 = δ1
我一直在尝试使用汽车库中的 linearHypothesis 函数来执行此操作,但一直无法知道模型对象应该是什么,并且不确定这是要使用的正确方法(或包)。
任何帮助将不胜感激 - 谢谢!