本文介绍⽅差分析（ANOVA），并通过给出集中不同应用场景。⽅差分析（ANOVA），⼜叫F检验，简单来说，就是求得F统计量（组间⽅差/组内⽅差），然后查F表，如果⼤于临界值（⼀般是0.05显著性⽔平下）则拒绝原假设，即组间具有显著性的差异，当然R语言实现不需要查表。F检验介绍F检验用于测试两个总体方差是否相等。原假设和备择假设如下：: = (总体方差相等): ≠ 如果P值小于显著性水平（可以
转载
2023-09-11 12:33:40
1086阅读
方差分析是由英国著名统计学家：R.A.Fisher推导，也叫F检验，用于多个样本间均数的比较(分析类别变量、有序变量)。当包含的因子是解释变量时，关注的重点通常会从预测转向组别差异的分析。方差分析是一种能使多因素(多组间)检验变得简洁的一种检验方式，它能同时考虑所有的样本，不仅能使检验过程变得简洁还能排除因两两检验可能造成的错误累积的概率。这里学习方差分析最简单的部分——单因素方差分析。一、方差分
目录一、前言Fixed-effects models、Random-effects models、Mixed-effects models。二、ANOVA使用的前提假设与假设检验三、ANOVA的计算原理四、事后检验与交叉图：五、R语言进行分析的完整例子：六、结果一、前言今天来说一说概率论或者统计学中常用的一种检验方式，方差检验ANOVA.根据定义：方差分析(ANOVA)是一组统计模型及其相关估计程
转载
2023-06-16 19:36:32
608阅读
下面我们来讲Fisher检验。费希尔精确概率检验（Fisher's precision probability test），亦称“四格表的确切概率法”。主要用于四格表资料各格中有一格理论次数小于 5 时的独立性检验的方法。还是上次的那个数据： 数据和上次一样，只不过我们将做一点小小的改动： 首先读取数据，然后我们只要该数据的前30行：setwd("D:\\CSDN博
在做线性回归的时候，一般分为以下几个步骤：
1、画散点图，简单的查看是否存在线性关系（3D以下）
2、线性模型跑一遍试试效果
3、其中需要查看以下几个指标：
3.1 正太分布检验
3.1 多重共线性、异方差性、自相关性
3.2 变量显著性
3.4 拟合效果
4、解释变量 上面一篇文章了解了如何利用t检验进行变量
转载
2023-08-21 10:55:01
645阅读
一、R语言独立性检验R提供了多种检验类别型变量独立性的方法，这里描述的三种检验分别为卡方独立性检验、 Fisher精确检验和Cochran-Mantel-Haenszel检验。1、卡方检验可以使用chisq.test()函数对二维表的行变量和列变量进行卡方独立性检验，具体的数学问题不在这里讨论，只需知道问题的原假设是两者独立，结果的P-值小则代表拒绝原假设，即存在一定的关系；当P-值比较大时代表接
转载
2023-11-21 12:51:48
187阅读
T检验 t检验分为单总体检验和双总体检验。单总体检验：【样本平均数，总体平均数差异】-检验一个样本平均数与一个已知的总体平均数的差异是否显著。 –当总体分布是正态分布，如总体标准差未知且样本容量小于30，那么样本平均数与总体平均数的离差统计量呈t分布。 样本平均数计算： 样本标准差计算： T分布概率密度函数图像如下： 双总体检验：【两个样本平均值间差异及样本均值与总体差异】-检验两个样本平均
转载
2023-10-30 21:36:07
215阅读
上篇介绍了三大检验的t检验和F检验，本篇接着介绍卡方检验。相比于前两者，我们其实更早地接触到卡方检验，它在高中数学教材中就已经出现，但用的却相对较少。本篇目录如下：1 22列联表下的卡方检验2 一般情况的卡方检验3 chisq.test函数1 22列联表下的卡方检验卡方检验适用于计数事件的独立性检验。在高中阶段见到的就是22列联表（contingency table）。以北师大版高中数学教材为例，
转载
2023-06-25 13:16:31
353阅读
方差检验 方差检验是多变量t检验的延续，对于超过两个样本的对比检验就无法直接使用独立T检验了，这个时候就需要使用卡方检验。涉及的名词 总平均值x均值hat例子：冰淇凌老板想知道三种口味的冰淇凌的销售情况是否一样，他有如下的数据巧克力味草莓味原味233234321233343344等等等F检验又叫方差齐性检验，目的是判断两个样本的总体方差是否相等，计算双总体样本检验的前提条件。过程有点麻烦，涉及
转载
2024-04-02 13:43:37
63阅读
在回归模型中，我们需要判断模型是否很好地拟合实际数据，一般来讲会有以下方法： R平方：表示Y变量中的方差有百分之多少是可以预测的，R平方越高，Y中的方差就预测得越准确，模型的拟合程度也就越高。举个例子，R平方=10%，表示Y中有10%的方差是可以通过X预测出来的。 F检验(F - test)：主要用以判断两个总体(Population)的平均值是否存在显著差异(Signific
转载
2023-09-20 10:31:57
234阅读
参数检验正态均值的检验单样本的均值检验两样本的均值差异正态方差的检验单样本的方差检验双样本的方差检验二项分布的总体假设检验非参数检验参考资料 参数检验正态均值的检验单样本的均值检验群体方差已知，构造z统计量服从正态分布群体方差未知，构建t统计量服从自由度为n-1的t分布例：测的灯泡的寿命服从正态分布，但参数未知。先抽样159 280 101 212 224 379 179 264 222 362
转载
2023-06-20 17:36:32
106阅读
一、何为显著性检验 显著性检验的思想十分的简单，就是认为小概率事件不可能发生。虽然概率论中我们一直强调小概率事件必然发生，但显著性检验还是相信了小概率事件在我做的这一次检验中没有发生。 显著性检验即用于实验处理组与对照组或两种不同处理的效应之间是否有差异，以及这种差异是否显著的方法。  
转载
2023-11-15 21:10:40
180阅读
t检验适用范围、实际案例以及R语言的实现。因文章内容过长，所以分为上下两篇t检验(t test）亦称 t检验，以t分布为基础，是定量资料分析中最常用的假设检验方法。（ 显著性检验的一种，以此来判定数据的差异是由于误差导致的还是真的有差异） t检验的应用条件为：①在单样本t检验中，总体标准差 未知且样本含量较小（n < 30/50)时，要求样本来自
本文结合R语言，展示了异常检测的案例，主要内容如下：（1）单变量的异常检测（2）使用LOF（local outlier factor，局部异常因子）进行异常检测（3）通过聚类进行异常检测（4）对时间序列进行异常检测一、单变量异常检测本部分展示了一个单变量异常检测的例子，并且演示了如何将这种方法应用在多元数据上。在该例中，单变量异常检测通过boxplot.stats()函数实现，并
转载
2023-07-09 17:37:26
230阅读
非参数的统计假设检验，用于比较两个配对样本之间的均值。一个城市的市长想要看看在关闭一些街道对汽车的通行后污染层度是否有所减少。于是每60分钟就测量一次污染率（8am ~ 22pm：总共15次测量），分别在交通开放的一天和交通关闭的一天各测量一组，以下是空气污染的值：With traffic: 214, 159, 169, 202, 103, 119, 200, 109, 132, 142, 194
转载
2024-04-28 10:40:02
77阅读
# R语言中的LB检验及其实现
在统计学和数据分析中，LB检验（Ljung-Box检验）是一种用于检验时间序列数据之间随机性的常用方法。Q值则是LB检验中的一个关键指标，用于评估时序数据的白噪声特性。本篇文章旨在教会刚入行的小白如何在R语言中实现LB检验并获得Q值。下面将通过表格和代码详细介绍整个流程。
## 实现流程
| 步骤 | 描述 |
|------|------|
| 1 |
今天的文章想从统计学的角度——假设检验，来回顾最近的疫情。同时也是刚好有之前应用统计学与R语言实现笔记假设检验一章中的的错误更正。关于假设检验的内容，详情见下面的博客。应用统计学与R语言实现学习笔记（六）——假设检验 文章目录1 细心的读者与更正2 p值含义解读、假设检验结论与统计学决策3 放弃p值，yes or no？ 1 细心的读者与更正首先感谢简书平台上这位叫“十七颗青彩”的读者，她提出了我
转载
2024-05-14 08:48:27
41阅读
模型的假设检验(F与T)：F检验(主要检验模型是否合理)'''F检验:提出原假设和备择假设 之后计算统计量与理论值 最后比较 F检验主要检验的是模型是否合理'''# 置信度95%时 F值（单边）1 """模型F的检验"""
2 # 计算统计量
3
4 # 导⼊第三⽅模块
5 import numpy as np
6 # 计算建模数据中因变量的均值
7 ybar=train.Profi
转载
2024-03-28 11:53:38
339阅读
一、单样本均数假设检验（一元数据）（1）样本所在的总体方差已知的单样本假设检验： 也就是说样本所在总体的的离散程度已知，只是均数未知。只需要对均数进行假设检验即可，这样做的原因是：对于正态分布而言，只有两个参数——均数和方差，只有均数和方差都定了，这个正态分布才能确定下来，如果只知道均数，或只知道方差，那么剩下的那个参数依然是可变的，这个正态分布就不唯一，也就不能确定下来。 举例（例子纯属虚构）：
转载
2023-10-25 18:13:34
254阅读
对两个独立的正态总体~和~，检验双侧假设 检验统计量~。其中，和分别为样来自和的样本方差，，为样本容量。下列代码定义了计算双侧假设的p值检验函数。from scipy.stats import f #导入f
def ftest2(F, dfn, dfd, alpha): #双侧检验函数
if F>dfd/(dfd-2): #检验统计量值大于F分布均值
p=2*
转载
2023-11-03 13:55:44
184阅读
