signtest

Описание

пример

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

signtest тестирует гипотезу те данные в x имеет 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 тесты для гипотезы, что данные в x Y имеет распределение с нулевой медианой против альтернативы, что распределение не имеет нулевой медианы. Обратите внимание на то, что гипотеза нулевой медианы для x Y не эквивалентно 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 NameЗначение парные аргументы.

[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 содержа информацию о тестовой статистической величине.

пример

[___] = signtest(x,m) возвращает любой из выходных аргументов в предыдущих синтаксисах для теста ли данные в x наблюдения 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 NameЗначение парные аргументы.

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 на тот signtest сбои, чтобы 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 на тот signtest сбои, чтобы 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 x Y 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, который 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, которой это меньше 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 населения отличается от заданного значения.

Загрузите выборочные данные.

load lawdata

Набор данных имеет 15 наблюдений для переменных gpa и lsat.

Протестируйте гипотезу что средний lsat счет 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 указывают на 5%-м уровне значения, который тест завершает в пользу альтернативной гипотезы.

Входные параметры

свернуть все

Выборочные данные в виде вектора.

Типы данных: single | double

Выборочные данные в виде вектора. y должна быть та же длина как x.

Типы данных: single | double

Предполагавшееся значение медианы в виде скаляра.

Пример: signtest(x,35)

Типы данных: single | double

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и 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 гипотезы тестирует в виде разделенной запятой пары, состоящей из 'Alpha' и скалярное значение в области значений от 0 до 1. Значение по умолчанию Alpha 0.05. Уровень значения h 100 * Alpha%.

Пример: 'Alpha', 0.01

Типы данных: double | single

p- метод расчета значения в виде разделенной запятой пары, состоящей из 'Method' и одно из следующего:

'exact'Точный расчет p - значение, p.
'approximate'Нормальное приближение для вычисления p - значение, p.

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

Пример: 'Method', 'exact'

Тип теста в виде разделенной запятой пары, состоящей 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 произойдите из непрерывного распределения с медианой, отличающейся, чем нуль (или m).

  • Для 2D демонстрационного теста альтернативная гипотеза утверждает что данные в x-y произойдите 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 произойдите из непрерывного распределения с медианой, больше, чем нуль (или m).

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

'left'

Лево-хвостатый тест гипотезы.

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

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

Пример: 'Tail', 'left'

Выходные аргументы

свернуть все

p- теста, возвращенного как неотрицательный скаляр от 0 до 1. p вероятность 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 * Alpha% уровень значения.

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

Протестируйте статистику, возвращенную как структура. Тестовая статистика сохранена в stats :

  • sign: 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 населения или медианы различия двух популяций.

Например, для тестов на одной медиане населения:

  • 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.

signtest тестовая статистическая величина является числом элементов, которые больше 0 (для signtest(x) или signtest(x-y)), или m (для signtest(x,m)). Следовательно, z - статистическая величина теста знака, с коррекцией 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 это - нуль или NaN.

Для 2D демонстрационного теста, signtest не использует значения в x Y это - нуль 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