问题标签 [statistical-test]

我有一个关于 N 个数字的数据集，我想测试它的正态性。我知道 scipy.stats 有一个kstest 函数 ，但是没有关于如何使用它以及如何解释结果的示例。这里有熟悉的人可以给我一些建议吗？

根据文档，使用 kstest 返回两个数字，KS 测试统计量 D 和 p 值。如果 p 值大于显着性水平（例如 5%），那么我们不能拒绝数据来自给定分布的假设。

当我通过从正态分布中抽取 10000 个样本并测试高斯性进行测试时：

我得到以下输出：

(0.04957880905196102, 8.9249710700788814e-22)

p 值小于 5%，这意味着我们可以拒绝数据呈正态分布的假设。但是样本是从正态分布中抽取的！

有人可以理解并向我解释这里的差异吗？

（正态性测试是否假设 mu = 0 和 sigma = 1？如果是这样，我如何测试我的数据是高斯分布但具有不同的 mu 和 sigma？）

我有以下数据列表，每个数据都有 10 个样本。这些值表示特定分子的结合强度。

我想要展示的是“x”在统计上与“y”、“z”和“w”不同。如果您查看 X，它会比其他值具有更多大于零的值（2.8、1.00、5.4 等）。

我尝试了 t 检验，但所有这些都显示出高 P 值的微不足道的差异。

什么是合适的测试？

下面是我的代码：

我在我的 Java 程序上使用 R，我需要使用一些统计测试，例如 anova。

但我不知道如何将 R 结果保存在文件中以便以后在 Java 中管理它们。

我尝试将 RCaller 和 rJava 加入 R 和 Java，但我认为问题不在于加入 R 和 Java 的方式。

有人知道我能做什么吗？

例子：

我在 csv 文件中有这个数据集：

所以我在 R 中运行这些命令：

结果是这样的：

如何保存此结果以供以后管理？

我正在尝试在 Java 中运行 Smirnov 测试，以查看两组数据是否来自同一分布。但是，我收到“找不到符号”错误。如何“构建” Smirnov 测试以免出现此错误？

我在这里遇到了一些非常有趣的问题。它是关于创建一个整数在 1 到 5 (1,2,3,4,5) 范围内的正态分布。从技术上讲，它是具有正态分布形状的泊松分布。

我的问题：当我创建如上所述的分布时，正态性测试失败（p < 0.01）（Shapiro Wilk 测试，Kolomogorov Smirnov 测试），因为我创建了一个四舍五入的正态分布数字池：

xRND<-round(rnorm(179,mean=2.9,sd=1)) 表(xRND) xRND 0 1 2 3 4 5 6 2 14 41 67 45 9 1

是否有任何测试可以帮助我检查正态分布形状？

最好的问候，圣。

我曾经scipy.stats.anderson()测试过正态分布。我的测试分布不是正态分布，因此 teststatistic > 临界值。但是，当检查我观察到的所有计算的临界值时，对于降低 p 值的临界值正在增加。这意味着，检验越关键（p 值越小），临界值越接近检验统计量。在我看来，这应该是另一种方式。任何熟悉安德森测试及其在 Scipy 中的实现的人？

我正在尝试验证我的数据在具有逻辑联结的双变量 GEV 和双逻辑联结之间的更好估计分布。

我通过可能性比率检验进行操作，当零假设被拒绝时，它只显示一个好的 p.value。我认为这是由于代码错误。

请帮忙

数据：

代码：

输出：

输出：

我进行了 5x2 交叉验证实验，然后，我进行了 Tukey-HSD 成对比较，比较了 5 种技术的 10 个准确度，如下所示。

上图是在以下 R 命令之后产生的：

我想知道的是为什么该图中的一对技术仅由一个置信区间表示。

我所知道的是，一种技术可以用一个置信区间来表示。为什么在图中一个置信区间代表了几种技术？这是两个置信区间的减法吗？

我尝试使用 Kolmogorov-Smirnov 检验来检验样本的正态性。这是我所做的一个简单的小例子：

这是 R 给我的结果：

p 值非常低，而测试应该接受零假设。

我不明白为什么它不起作用。

长话短说，我想手动编写 Kolmogorov-Smirnov 单样本统计的代码，而不是在 R 中使用 ks.test()。据我了解，KS 测试基本上是分子和分母之间的比率。我有兴趣写出分子，据我了解，这是观察样本与理论假设之间的最大绝对差异。让我们以下面的案例为例：

在这里，我想获得最大绝对差（数据 - 预期）。

有人有想法吗？如有必要，我可以改写这个问题。谢谢！