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

VarianceEquivalenceTest

VarianceEquivalenceTest[{data₁,data₂,…}]

检验 data_i 的方差是否相等.

VarianceEquivalenceTest[{data₁,…},"property"]

返回 "property" 的值.

更多信息和选项

VarianceEquivalenceTest 对 data_i 执行假设检验，其中零假设为真实的总体方差等于，备择假设为至少有一个是不同的.
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成立.
data_i 必须为单变量 {x₁,x₂,…}.
VarianceEquivalenceTest[{data₁,…}] 将选择功效最佳的检验方法应用到数据上.
VarianceEquivalenceTest[{data₁,…},All] 将选择所有适用于该数据的检验方法.
VarianceEquivalenceTest[{data₁,…},"test"] 根据 "test" 报告值.
绝大多数检验要求 data_i 服从正态分布. 如果一个检验对于正态性假设较为不敏感，而称该检验方法是稳健的（robust). 一些检验方法假定 data_i 关于中位数对称.
可以使用以下检验方法：

	"Bartlett"	正态性	修正的似然比检验
	"BrownForsythe"	耐用	耐用 Levene 检验
	"Conover"	对称性	Conover 平方秩检验
	"FisherRatio"	正态性	基于
	"Levene"	耐用、对称性	比较单个和群体方差

VarianceEquivalenceTest[{data₁,…},"HypothesisTestData"] 返回一个 HypothesisTestData 对象 htd，可以使用 htd["property"] 的形式提取额外检验结果和属性.
VarianceEquivalenceTest[{data₁,…},"property"] 可以用来直接给出 "property" 的值.
与检验结果的报告相关的属性包括：

	"AllTests"	所有可用检验的列表
	"AutomaticTest"	如果使用 Automatic，选择的检验方法
	"DegreesOfFreedom"	检验中所用的自由度
	"PValue"	值列表
	"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"	检验统计量和值的成对列表
	"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

可以给出如下选项：
SignificanceLevel 0.05 诊断和报告的分界点

VerifyTestAssumptions Automatic 设置要运行的诊断检验
对于方差检验，选择一个临界值，使得仅当时拒绝 . 用于 "TestConclusion" 和"ShortTestConclusion" 属性的由 SignificanceLevel 选项控制. 值也用于假设诊断检验中，包括正态性检验和对称性检验. 默认情况下设为 0.05.
在 VarianceEquivalenceTest 中 VerifyTestAssumptions 的已命名设置包括：
"Normality" 验证所有数据都服从正态分布

"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)

检验两个数据集的方差以确定相等性：

创建一个 HypothesisTestData 对象，用以进行进一步属性提取：

完全检验表格：

同时比较多个数据集的方差：

数据集的方差：

范围 (12)

检验 (8)

比较两个数据集的方差：

当方差相等时，值通常较大：

当方差不相等时，值通常较小：

使用 Automatic 应用功效最佳的适当检验方法：

属性 "AutomaticTest" 可以用来确定选择哪个检验方法：

同时比较多个数据集的方差：

使用 SmoothHistogram 比较数据集的分布：

执行等方差的特定检验：

可以同时执行任意数目的检验：

同时执行适用于数据的所有检验方法：

使用属性 "AllTests" 来识别使用的检验方法：

创建一个 HypothesisTestData 对象，以进行重复属性提取：

可用于提取的属性：

从一个 HypothesisTestData 对象提取某些属性：

来自一个 Levene 检验的值和检验统计量：

同时提取任意数目的属性：

来自一个 Brown–Forsythe检验的值和检验统计量：

报告 (4)

将来自多个检验的结果制作成表格：

所有合适的检验结果组成的完全表：

选定的检验结果组成的表格：

从检验表格获取项目，以生成定制的报告：

值大于0.05，所以在该水平下，没有足够的证据拒绝正态性：

对于一个检验或者一组检验，将值制作成表格：

来自表格的值：

来自所有适当的检验的值组成的表格：

来自部分检验方法的值组成的表格：

从一个检验或者一组检验报告检验统计量：

来自表格的检验统计量：

来自所有适当的检验的检验统计量组成的表格：

选项 (6)

SignificanceLevel (3)

对诊断检验，设置显著性水平：

默认水平是 0.05：

设置显著性水平可能改变自动选择的检验方法：

默认情况下会选择一个基于秩的检验方法：

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

VerifyTestAssumptions (3)

可以使用 All 或者 None 将诊断作为一个组控制：

验证所有假定：

不检查假定：

可以独立控制诊断：

假定正态性，但是检查对称性：

只检查正态性：

检验假设值可以明确设置：

先前选择 Conover 检验是因为数据不是正态分布：

应用 (2)

检验一组总体是否共享一个共同方差：

由于第一组数据集具有非常不同的方差，将其从总体中抽出：

由第二组表示的总体全部具有相似的方差：

LocationEquivalenceTest 可用于同时比较多组数据的均值，但是要求这些数据集具有相同的方差：

使用 VarianceEquivalenceTest 确定方差是否相等：

LocationEquivalenceTest 可用于比较均值：

属性和关系 (5)

Brown–Forsythe 和 Levene检验是等价的，但使用的是不同的标准化函数：

Levene 检验使用 Mean 对数据进行标准化处理：

Brown–Forsythe 检验通常使用Median：

对于重尾数据，则代之使用 10% TrimmedMean：

对个数据集和个总观测值，在下，Brown–Forsythe 和 Levene 检验统计量均服从 FRatioDistribution[k-1,n-k]：

Bartlett 检验统计量：

在下，检验统计量服从 ChiSquareDistribution[k-1]：

当输入为 TimeSeries 时，方差相等性检验会忽略时间戳：

方差相等性检验识别出 TemporalData 的路径结构：

直接使用数值：

可能存在的问题 (2)

Fisher 比检验要求有两个数据集：

代而使用任何其它检验：

Conover 检验是唯一一个不假定数据服从正态分布的检验：

巧妙范例 (1)

当零假设为真时，计算统计量：

给定一个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