SpearmanRankTest

SpearmanRankTest[v1,v2]

检验向量 v1 和 v2 是否独立.

SpearmanRankTest[m1,m2]

检验矩阵 m1 和 m2 是否独立.

SpearmanRankTest[…,"property"]

返回 "property" 的值.

更多信息和选项

  • SpearmanRankTest 在 v1 和 v2 上执行具有零假设 的假设检验，其中向量是独立的；替代假设 ，则假设向量不是独立的.
  • 默认情况下，返回概率值或 值.
  • 小 值说明 不可能为真.
  • 参变量 v1 和 v2 可以是任意等长的实数向量或矩阵.
  • SpearmanRankTest 是基于由 SpearmanRho[v1,v2] 计算的 Spearman 的等级相关 .
  • 对于测试矩阵，测试统计量是基于内部标准空间等级且渐近遵循 ChiSquareDistribution[r*s]，其中 r 和 s 分别是 m1 和 m2 的维数. 在仿射变换下，测试是不变的.
  • SpearmanRankTest[v1,v2,"HypothesisTestData"] 返回一个 HypothesisTestData 对象 htd，它可以用于提取另外的测试结果和使用 htd["property"] 格式提取属性.
  • SpearmanRankTest[v1,v2,"property"] 可用于直接给出 "property" 值.
  • 与测试结果报告相关的属性包括：
  • "DegreesOfFreedom"测试中使用的自由度
    "PValue"测试的 值
    "PValueTable"包含 值的格式化表格
    "ShortTestConclusion"测试结论的简短描述
    "TestConclusion"测试结论的描述
    "TestData"包含测试统计量和 值的列表
    "TestDataTable" 值和测试统计量的格式化表格
    "TestStatistic"测试统计量
    "TestStatisticTable"包含测试统计量的格式化表格
  • 可使用以下选项：
  • AlternativeHypothesis "Unequal"替代假设的不等性
    MaxIterations Automatic多变量测试的最大迭代
    Method Automatic计算 值使用的方法
    SignificanceLevel 0.05诊断和报告的截止值
  • 对于独立测试，选择的 截止值满足仅当 时， 被拒. 用于 "TestConclusion" 和 "ShortTestConclusion" 属性的 值是由 SignificanceLevel 选项控制. 默认情况下， 被设为 0.05.

范例

打开所有单元关闭所有单元

基本范例  (2)

测试两个向量是否独立：

测试两个矩阵是否独立：

在 0.05 级别，没有足够的证据拒绝独立：

范围  (8)

检验  (5)

测试两个向量是否独立：

当向量是独立的， 值一般较大：

当向量是相关的， 值一般较小：

测试两个矩阵是否独立：

对于相关矩阵， 值一般较小：

对于独立矩阵， 值一般较大：

对于重复的属性提取，创建一个 HypothesisTestData 对象：

可以提取的属性：

从 HypothesisTestData 对象中提取某些属性：

来自于测试的 值和测试统计量：

同时提取任何数量的属性：

来自测试的 值和测试统计量：

报告  (3)

对测试结果制表：

测试结果表格：

从测试表格取出条目以便自定义报告：

对 值或测试统计量制表：

来自于表格的 值：

来自于表格的测试统计量：

选项  (9)

AlternativeHypothesis  (3)

默认情况下执行双边测试：

执行双边或单边测试：

双边测试：

两个单边测试：

多变量测试本质上是双边的：

这是因为零分布的形状：

MaxIterations  (1)

对于多变量测试，设置使用的最大迭代数：

默认情况下，使用 ：

降低设置可以缩短计算时间，但可能导致收敛失败：

Method  (4)

默认情况下，使用渐近测试统计量分布计算 值：

使用排列（permutation）方法获取 值：

设置使用的排列数：

默认情况下，使用 随机排列：

设置产生随机排列所使用的种子：

SignificanceLevel  (1)

显著级别被用于 "TestConclusion" 和 "ShortTestConclusion"：

属性和关系  (9)

对于向量-向量比较，测试统计量被计算为 SpearmanRho：

测试统计量遵循 下的 StudentTDistribution[n-2]：

更高维数下，测试统计量遵循 ChiSquareDistribution[r*s]：

对于矩阵比较，在仿射变换下，测试统计量是不变的：

若要测试 Spearman 的 的特殊值，则使用 CorrelationTest：

测试当 时：

IndependenceTest 可用于选择合适的独立测试：

SpearmanRankTest 是其中一个可测试的：

SpearmanRankTest 仅检测单调依赖性：

HoeffdingDTest 可用于检测相关结构的更宽变体：

Spearman 秩测试只在输入为 TimeSeries 时作用于数值：

当输入为 TemporalData 时 Spearman 秩测试作用于所有数值：

测试明确地选择暂态数据成分：

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：

Wolfram Research (2012)，SpearmanRankTest，Wolfram 语言函数，https://reference.wolfram.com/language/ref/SpearmanRankTest.html.

文本

Wolfram Research (2012)，SpearmanRankTest，Wolfram 语言函数，https://reference.wolfram.com/language/ref/SpearmanRankTest.html.

CMS

Wolfram 语言. 2012. "SpearmanRankTest." Wolfram 语言与系统参考资料中心. Wolfram Research. https://reference.wolfram.com/language/ref/SpearmanRankTest.html.

APA

Wolfram 语言. (2012). SpearmanRankTest. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/SpearmanRankTest.html 年

BibTeX

@misc{reference.wolfram_2024_spearmanranktest, author="Wolfram Research", title="{SpearmanRankTest}", year="2012", howpublished="\url{https://reference.wolfram.com/language/ref/SpearmanRankTest.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_spearmanranktest, organization={Wolfram Research}, title={SpearmanRankTest}, year={2012}, url={https://reference.wolfram.com/language/ref/SpearmanRankTest.html}, note=[Accessed: 22-November-2024 ]}