Enable JavaScript to interact with content and submit forms on Wolfram websites. Learn how

IndependenceTest

IndependenceTest[v₁,v₂]

检验向量 v₁ 和 v₂ 是否独立.

IndependenceTest[m₁,m₂]

检验矩阵 m₁ 和 m₂ 是否独立.

IndependenceTest[…,"property"]

返回 "property" 的值.

更多信息和选项

IndependenceTest 对 v₁ 和 v₂ 进行假设检验，其中零假设假定向量是独立的，而备择假设认为并非如此.
默认情况下，返回一个概率值或者值.
一个较小的值表明不可能为真.
参数 v₁ 和 v₂ 可以是任意实值向量或者等长矩阵.
IndependenceTest[v₁,v₂] 将对 v₁ 和 v₂ 选择最有效的检验方法.
IndependenceTest[v₁,v₂,All] 将选择所有可以应用于 v₁ 和 v₂ 的检验.
IndependenceTest[v₁,v₂,"test"] 根据 "test" 的结果报告值.
某些可用检验对假定 v_i 是正态的. 某些检验局限于向量. 大多数检验局限于单调性检验或者线性独立性.
可以使用下列检验：

	"BlomqvistBeta"	单调	基于 Blomqvist
	"GoodmanKruskalGamma"	单调，向量	基于 -系数
	"HoeffdingD"	向量	基于 Hoeffding
	"KendallTau"	单调	基于 Kendall
	"PearsonCorrelation"	线性，正态性，向量	基于 Pearson 乘积矩
	"PillaiTrace"	正态性，线性	基于 Pillai 的迹
	"SpearmanRank"	单调	基于 Spearman
	"WilksW"	正态性，线性	基于 Wilks'

IndependenceTest[v₁,v₂,"HypothesisTestData"] 返回一个 HypothesisTestData 对象 htd，该对象可利用形式 htd["property"] 提取额外的检验结果和属性.
IndependenceTest[v₁,v₂,"property"] 可被用于直接给出 "property" 的值.
与检验结果报告相关的属性包括：

	"AllTests"	所有适用的检验的列表
	"AutomaticTest"	如果使用 Automatic 所选择的检验
	"DegreesOfFreedom"	检验中使用的自由度
	"PValue"	值列表
	"PValueTable"	值的格式化表格
	"ShortTestConclusion"	检验结论的简短说明
	"TestConclusion"	检验结论的描述
	"TestData"	检验统计量和值对的列表
	"TestDataTable"	值和检验统计量组成的格式化表格
	"TestStatistic"	检验统计量列表
	"TestStatisticTable"	检验统计量的格式化表格

可以使用下列选项：

	AlternativeHypothesis	"Unequal"	备择假设的不等式
	MaxIterations	Automatic	多变量非参数检验的最大迭代次数
	Method	Automatic	用于计算值的方法
	SignificanceLevel	0.05	诊断和报告的临界值
	VerifyTestAssumptions	Automatic	验证何种假定

对于一个独立性检验，选择一个临界值，使得只有当时才否定 . 用于 "TestConclusion" 和 "ShortTestConclusion" 属性的值由 SignificanceLevel 选项控制. 值也用于正态性诊断. 默认情况下，设为 0.05.
IndependenceTest 中 VerifyTestAssumptions 的已命名设置包括：
"Normality" 验证是否所有数据都服从正态分布

范例

打开所有单元关闭所有单元

基本范例 (2)

检验两个向量是否独立：

检验两个矩阵是否独立：

在 0.05 水平上，没有足够的证据来拒绝独立性：

范围 (12)

检验 (8)

检验两个向量是否独立：

当向量彼此独立时，其值一般较大：

当向量彼此相关时，其值一般较小：

检验两个矩阵是否独立：

当矩阵不独立时，其值一般较小：

当矩阵独立时，其值一般较大：

使用 Automatic 应用最有效的适当的线性独立检验：

属性 "AutomaticTest" 可被用于确定所选择的检验：

执行特定的独立性检验：

可以同时进行任意数目的检验：

同时执行所有适用于数据的检验：

使用属性 "AllTests" 识别所用的检验：

为重复的属性提取创建一个 HypothesisTestData 对象：

可用于提取的属性：

从 HypothesisTestData 对象中提取一些属性：

来自 "PearsonCorrelation" 检验的值和检验统计量：

同时提取任意数目的属性：

来自 Spearman 秩检验的值和检验统计量：

报告 (4)

对选取的一组检验的结果制表：

所有适当检验结果的完整表格：

选取部分检验结果的表格：

取回自定义报告的检验表中的条目：

值高于 0.05，因此在该水平下拒绝的证据不足：

对一个或一组检验的值制表：

表格中的值：

所用适当检验的值表：

来自检验子集的值表：

对一个或一组检验的检验统计量制表：

来自表格的检验统计量：

所有适当检验的检验统计量表格：

选项 (15)

AlternativeHypothesis (3)

在默认情况下进行双边检验：

进行双边检验或单边检验：

双边检验：

作为替代方法的两个单边检验：

某些检验固有的是双边的：

这是由于零分布的形状：

MaxIterations (1)

设置用于多变量非参数检验的最大迭代次数：

把此值设置得太低可能导致收敛失败，但是产生更快的计时：

Method (4)

默认情况下，使用渐进检验统计分布来计算值：

使用置换方法可以得到值：

设置使用的置换数目：

默认情况下，使用个随机置换：

设置用于生成随机置换的种子：

SignificanceLevel (3)

设置诊断检验的显著性水平：

默认使用 0.05. 消息显示 0.025，这是因为进行了两个检验：

显著性水平的设置可能会改变自动选择的检验：

默认情况下会选择非参数检验：

该显著性水平也用于 "TestConclusion" 和 "ShortTestConclusion"：

VerifyTestAssumptions (4)

默认情况下，在适当的时候会测试正态性：

诊断程序可以利用 All 或 None 作为一个组进行控制：

验证所有假设：

不检查假设：

诊断程序可被独立控制：

检查正态性：

显式设置诊断结果：

为了进行模拟，忽视诊断检验通常是有用的：

设计中已经使用了检验假设，所以可以节省大量时间：

结果是相同的：

属性和关系 (4)

所选检验取决于正态假设和数据的维度：

正态分布向量的比较：

第二个向量不是来自正态分布：

正态分布数据的矩阵比较：

数据的矩阵比较不是正态分布的：

若要检验相关性或者阶数相关性的特定值，使用 CorrelationTest：

如果有非线性独立性，应该使用 HoeffdingDTest：

数据明显是相关的：

默认情况下，IndependenceTest 并不检测这些：

默认情况下，选择单调独立性测量：

HoeffdingD 对多种类型的独立性敏感：

IndependenceTest 适用于仅仅由值组成的时间序列 TimeSeries：

巧妙范例 (1)

某些检验统计量的分布：

顶部