signtest

Синтаксис

p = signtest(x)
p = signtest(x,y)
p = signtest(x,y,Name,Value)
[p,h] = signtest(___)
[p,h,stats] = signtest(___)
[___] = signtest(x,m)
[___] = signtest(x,m,Name,Value)

Описание

пример

p = signtest(x) возвращает p - значение для двухстороннего теста знака.

signtest тестирует гипотезу, что данные в x имеют непрерывное распределение с нулевой медианой против альтернативы, что распределение не имеет нулевой медианы на 5%-м уровне значения.

пример

p = signtest(x,y) возвращает p - значение двухстороннего теста знака. Здесь, signtest тестирует на гипотезу, что данные в xy имеет распределение с нулевой медианой против альтернативы, что распределение не имеет нулевой медианы. Обратите внимание на то, что гипотеза нулевой медианы для xy не эквивалентна гипотезе равной медианы для x и y.

пример

p = signtest(x,y,Name,Value) возвращает p - значение для теста знака с дополнительными опциями, заданными одним или несколькими Name, аргументы пары Value.

[p,h] = signtest(___) также возвращает логическое значение, указывающее на тестовое решение. Значение h = 1 указывает на отклонение нулевой гипотезы и h =, 0 указывает на отказ отклонить нулевую гипотезу на 5%-м уровне значения. Можно комбинировать с любым синтаксом из перечисленных выше.

пример

[p,h,stats] = signtest(___) также возвращает структуру stats, содержащий информацию о тестовой статистической величине.

пример

[___] = signtest(x,m) возвращает любой из выходных аргументов в предыдущих синтаксисах для теста, являются ли данные в x наблюдениями от распределения со средним m против альтернативы, что медиана отличается от m.

пример

[___] = signtest(x,m,Name,Value) возвращает любой из выходных аргументов в предыдущих синтаксисах для теста знака с дополнительными опциями, заданными одним или несколькими Name, аргументы пары Value.

Примеры

свернуть все

Протестируйте гипотезу нулевой медианы.

Сгенерируйте выборочные данные.

rng('default') % for reproducibility
x = randn(1,25);

Распределение выборки x симметрично с нулевой медианой.

Протестируйте нулевую гипотезу, что x прибывает из распределения с медианой, отличающейся от нулевой медианы.

[p,h,stats] = signtest(x,0)
p = 0.1078
h = logical
   0

stats = struct with fields:
    zval: NaN
    sign: 17

На 5%-м уровне значения по умолчанию результат h = 0 указывает, что signtest не удается отклонить к нулевой гипотезе нулевой медианы. signtest вычисляет p-значение с помощью точного метода, следовательно это не вычисляет zval и возвращает его как NaN.

Протестируйте гипотезу нулевой медианы для различия между парными выборками.

Сгенерируйте выборочные данные.

rng('default') % for reproducibility
before = lognrnd(2,.25,10,1);
after = before + (lognrnd(0,.5,10,1) - 1);

Распределение выборки различия между before и after симметрично с нулевой медианой.

Протестируйте нулевую гипотезу, что различие before и after имеет нулевую медиану.

[p,h] = signtest(before,after)
p = 0.7539
h = logical
   0

На 5%-м уровне значения по умолчанию значение h = 0 указывает, что signtest не удается отклонить к нулевой гипотезе нулевой медианы в различии.

Протестируйте гипотезу нулевой медианы для различия между двумя парными выборками с помощью точных и приближенных методов.

Сгенерируйте выборочные данные.

rng('default') % for reproducibility
x = lognrnd(2,.25,15,1);
y = x + trnd(2,15,1);
display([x y])
    8.4521    7.8047
   11.6869   11.4094
    4.2009    5.1133
    9.1664   12.1655
    8.0020   10.0300
    5.3285    6.0153
    6.6300    5.1235
    8.0499    8.6737
   18.0763   19.2164
   14.7665   15.3380
    5.2726    8.4187
   15.7798   16.2093
    8.8583    8.5575
    7.2735    7.4783
    8.8347    7.8894

Протестируйте гипотезу, что xy имеет нулевую медиану.

[p,h,stats] = signtest(x,y)
p = 0.3018
h = logical
   0

stats = struct with fields:
    zval: NaN
    sign: 5

На 5%-м уровне значения по умолчанию значение h = 0 указывает, что тесту не удается отклонить нулевую гипотезу нулевой медианы в различии.

Повторите тест с помощью приближенного метода.

[p,h,stats] = signtest(x,y,'Method','approximate')
p = 0.3017
h = logical
   0

stats = struct with fields:
    zval: -1.0328
    sign: 5

Аппроксимированное p- значение, которое signtest получает использование z-статистической-величины, действительно близко к точному pЗначение.

Выполните левосторонний тест знака для больших выборок.

Загрузите выборочные данные.

load gradespaired

Протестируйте нулевую гипотезу, что медиана различий в классе до и после программы обучения 0 против альтернативы, что это - меньше чем 0.

[p,h,stats] = signtest(gradespaired(:,1),gradespaired(:,2),'Tail','left')
p = 0.0013
h = logical
   1

stats = struct with fields:
    zval: -3.0110
    sign: 37

Поскольку объем выборки является большим (больше, чем 100), signtest использует приближенный метод вычислить p- значение и также возвращает значение z- статистическая величина. Тест отклоняет нулевую гипотезу, что нет никакого различия между медианами класса на 5%-м уровне значения.

Протестируйте гипотезу, что медиана генеральной совокупности отличается от заданного значения.

Загрузите выборочные данные.

load lawdata

Набор данных имеет 15 наблюдений для переменных gpa и lsat.

Протестируйте гипотезу, что средний счет lsat выше, чем 570.

[p,h,stats] = signtest(lsat,570,'Tail','right')
p = 0.0176
h = logical
   1

stats = struct with fields:
    zval: NaN
    sign: 12

Оба p- значение, 0.0176, и h = 1 указывает, что в 5%-м значении выравниваются, тест завершает в пользу альтернативной гипотезы.

Входные параметры

свернуть все

Выборочные данные, заданные как вектор.

Типы данных: single | double

Выборочные данные, заданные как вектор. y должен быть той же длиной как x.

Типы данных: single | double

Предполагавшееся значение медианы, заданной как скаляр.

Пример: signtest(x,35)

Типы данных: single | double

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Пример: 'Alpha',0.01,'Method','approximate','Tail','right' задает тест знака с правильным хвостом с 1%-м уровнем значения, который возвращает аппроксимированное p-значение.

Уровень значения теста гипотезы, заданного как пара, разделенная запятой, состоящая из 'Alpha' и скалярного значения в области значений от 0 до 1. Значение по умолчанию Alpha 0.05. Уровень значения h равняется 100 * % Alpha.

Пример: 'Alpha', 0.01

Типы данных: double | single

p- метод вычисления значения, заданный как пара, разделенная запятой, состоящая из 'Method' и одно из следующего:

'exact'Точное вычисление p - значение, p.
'approximate'Нормальное приближение для вычисления p - значение, p.

Методом вычисления по умолчанию является 'exact', если существует меньше чем 100 наблюдений и 'approximate', если существует 100 наблюдений или больше.

Пример: 'Method', 'exact'

Тип теста, заданного как пара, разделенная запятой, состоящая из 'Tail' и одно из следующего:

'both'

Двухсторонний тест гипотезы, который является тестовым типом по умолчанию.

  • Для теста с одной выборкой альтернативная гипотеза утверждает, что данные в x прибывают из непрерывного распределения с медианой, отличающейся, чем нуль (или m).

  • Для 2D демонстрационного теста альтернативная гипотеза утверждает, что данные в x-y прибывают из распределения с медианой, отличающейся, чем нуль.

'right'

Тест гипотезы с правильным хвостом.

  • Для теста с одной выборкой альтернативная гипотеза утверждает, что данные в x прибывают из непрерывного распределения с медианой, больше, чем нуль (или m).

  • Для 2D демонстрационного теста альтернативная гипотеза утверждает, что данные в x-y прибывают из распределения с медианой, больше, чем нуль.

'left'

Лево-хвостатый тест гипотезы.

  • Для теста с одной выборкой альтернативная гипотеза утверждает, что данные в x прибывают из непрерывного распределения с медианой меньше, чем нуль (или m).

  • Для 2D демонстрационного теста альтернативная гипотеза утверждает, что данные в x-y прибывают из распределения с медианой меньше, чем нуль.

Пример: 'Tail', 'left'

Выходные аргументы

свернуть все

p - значение теста, возвращенного как неотрицательный скаляр от 0 до 1. p является вероятностью наблюдения тестовой статистической величины как или более экстремальный, чем наблюдаемая величина по нулевой гипотезе. signtest вычисляет двухсторонний p - значение путем удвоения старшего значащего одностороннего значения.

Результат теста гипотезы, возвращенного как логическое значение.

  • Если h = 1, это указывает на отклонение нулевой гипотезы в 100 * уровень значения % Alpha.

  • Если h = 0, это указывает на отказ отклонить нулевую гипотезу в 100 * уровень значения % Alpha.

Протестируйте статистику, возвращенную как структура. Тестовые статистические данные, сохраненные в stats:

  • знак: Значение знака тестирует статистическую величину.

  • zval: Значение z-статистической-величины (вычисленный только для больших выборок).

Больше о

свернуть все

Подпишите тест

Тест знака является непараметрическим тестом для медианы генеральной совокупности или медианы различия двух населения.

Например, для тестов на одной медиане генеральной совокупности:

  • Если тест является двухсторонним, то тестовая статистическая величина, S, является минимумом количества наблюдений, которые меньше или больше, чем предполагавшееся среднее значение, M 0.

  • Если тест является правосторонним, то S является количеством наблюдений, которые больше, чем предполагавшееся среднее значение M 0.

  • Если тест является левосторонним, то S является количеством наблюдений, которые меньше, чем предполагавшееся среднее значение M 0.

z-статистическая-величина

Для большой выборки signtest использует z - статистическая величина, чтобы аппроксимировать p - значение.

Тестовая статистическая величина signtest является числом элементов, которые больше, чем 0 (для signtest(x) или signtest(x-y)), или m (для signtest(x,m)). Следовательно, z - статистическая величина теста знака, с исправлением непрерывности:

z=(SE(S))V(S)=(S(0.5)n0.5sign(nposnneg))(0.5)(0.5)n,

где npos и nneg являются количеством положительных и отрицательных различий от предполагавшегося среднего значения, соответственно.

Алгоритмы

Для теста с одной выборкой signtest не использует значения в x, которые являются нулем или NaN.

Для 2D демонстрационного теста signtest не использует значения в xy, которые являются нулем или NaN.

Ссылки

[1] Гиббоны, J. D. и С. Какраборти. Непараметрический Статистический Вывод, 5-й Эд. Бока-Ратон, FL: Chapman & Hall/CRC Press, Taylor & Francis Group, 2011.

[2] Hollander, M. и Д. А. Вольф. Непараметрические статистические методы. Хобокен, NJ: John Wiley & Sons, Inc., 1999.

Смотрите также

| | |

Представлено до R2006a

Для просмотра документации необходимо авторизоваться на сайте