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

SiegelTukeyTest

SiegelTukeyTest[{data₁,data₂}]

检验 data₁ 和 data₂ 的方差是否相等.

SiegelTukeyTest[dspec,]

检验的差量度量.

SiegelTukeyTest[dspec,,"property"]

返回 "property" 值.

更多信息和选项

SiegelTukeyTest 在 data₁ 和 data₂ 上执行一个假设检验，其中零假设，其总体方差比例为；对立假设为 .
默认情况下，返回一个概率值或 .
值越小，为真的可能性越低.
变量可以是任意正实数.
dspec 中的 data 必须是单变量 {x₁,x₂,…}.
SiegelTukeyTest 假设 data 关于一个共同的中位数对称.
SiegelTukeyTest[data,,"HypothesisTestData"] 返回一个 HypothesisTestData 对象 htd，使用 htd["property"] 的形式可以用来提取额外检验结果和属性.
SiegelTukeyTest[data,,"property"] 可以用于直接给出 "property" 值.
与检验结果的报告相关的属性包括：

	"PValue"	值组成的列表
	"PValueTable"	值组成的格式化表格
	"ShortTestConclusion"	检验结论的简短描述
	"TestConclusion"	检验结论的描述
	"TestData"	检验统计量和值对组成的列表
	"TestDataTable"	值和检验统计量组成的格式化表格
	"TestStatistic"	检验统计量组成的列表
	"TestStatisticTable"	检验统计量组成的格式化表格

检验统计量针对合并样本计算为，其中如果来自 data₁ ，则，否则为零；是与每个相关的秩次. 在下，假设统计量服从NormalDistribution.
SiegelTukeyTest 比起 ConoverTest 是效能较低的基于秩次的检验方法，并且当 data_i 不服从正态分布时，可以作为 FisherRatioTest 的一个替换.
可以使用以下选项：

	AlternativeHypothesis	"Unequal"	备择假定的不等性
	SignificanceLevel	0.05	用于诊断和报告的分界点
	VerifyTestAssumptions	Automatic	设置要运行哪个诊断检验

对于 SiegelTukeyTest，选择一个临界值，使得只有当时，拒绝 . 用于 "TestConclusion" 和 "ShortTestConclusion" 属性的值由 SignificanceLevel 选项控制. 值也用于包括对称性检验的假设的诊断检验中. 默认情况下，设为 0.05.
在 SiegelTukeyTest 中，VerifyTestAssumptions 的已命名设置包括：
"Symmetry" 验证所有数据都是对称的

范例

打开所有单元关闭所有单元

基本范例 (2)

检验两个数据集合的方差的相等性：

创建一个 HypothesisTestData 对象，用于进一步的属性提取：

检验属性：

检验两个数据集的方差比率与一个特定值的关系：

执行备择假设为的假设检验：

范围 (7)

检验 (5)

使用备择假定执行检验：

当方差相等时，值通常较大：

当方差不相等时，值通常较小：

检验两个总体的方差比率是否等于一个特定的值：

以下形式是等价的：

当确定时，需要考虑数据集的顺序：

创建一个 HypothesisTestData 对象，用以进行重复属性提取：

创建一个 HypothesisTestData 对象，用以重复属性提取：

从一个 HypothesisTestData 对象提取某些属性：

值和检验统计量：

同时提取任意数目的属性：

值和检验统计量：

报告 (2)

将检验结果制作成表格：

使用 "TestData" 可以提取表格中的值：

将值或者检验统计量制作成表格：

来自表格的值：

来自表格的值：

选项 (7)

AlternativeHypothesis (3)

默认情况下，执行双侧检验：

执行双侧检验或者两个单侧检验中的任何一个：

检验与：

检验与：

检验与：

当给定一个空值时，执行单侧检验：

检验与：

检验与：

SignificanceLevel (2)

设置显著性水平，以进行诊断检验：

默认情况下，使用 0.05：

显著性水平也可以用于 "TestConclusion" 和 "ShortTestConclusion"：

VerifyTestAssumptions (2)

诊断可以使用 All 或者 None 作为一个组控制：

验证所有假设：

不对假设进行检查：

可以独立控制诊断：

检验对称性：

设置对称假设为 True：

属性和关系 (6)

在下，检验统计量服从一个 NormalDistribution[0,1]：

与 FisherRatioTest 不同，Siegel-Tukey 检验并不假定正态性成立：

FisherRatioTest 导致对 -值的低估：

Siegel-Tukey 检验假设数据关于一个共同的中位数对称：

当数据不对称时，检验统计量的分布不服从 NormalDistribution[0,1]：

PearsonChiSquareTest 用于检验数据关于一个共同的中位数的对称性：

可以看出数据是对称的，并且没有得到警告信息：

警告信息中的值与 PearsonChiSquareTest 中的值一致：

当输入为 TimeSeries 时，Siegel-Tukey 检验忽略时间戳：

Siegel–Tukey 检验识别出了一个恰好有两条路径的 TemporalData 的路径结构：

直接使用数值：

巧妙范例 (1)

当零假设为真时，计算统计量：

给定特定的备择假设的检验统计量：

比较检验统计量的分布：

顶部