WilksWTest

WilksWTest[m1,m2]

检验矩阵 m1 和 m2 是否独立.

WilksWTest[…,"property"]

返回 "property" 的值.

更多信息和选项

  • WilksWTest 在 m1 和 m2 上执行具有空假设 的假设检验，其中矩阵是线性独立，而其他假设 则认为矩阵不是线性独立的.
  • 默认情况下，返回概率值或 值.
  • 小的 值建议 不可能为真.
  • 参变量 m1 和 m2 可以是等长度的任何实数值向量或矩阵.
  • WilksWTest 是基于由 WilksW[m1,m2] 计算的 Wilks 的 统计量.
  • WilksWTest[m1,m2,"HypothesisTestData"] 返回一个 HypothesisTestData 对象 htd，它可使用 htd["property"] 提取另外的检验结果和属性.
  • WilksWTest[m1,m2,"property"] 可用于直接给出 "property" 的值.
  • 与检验结果报告相关的属性包括：
  • "DegreesOfFreedom"检验中使用的自由度
    "PValue"检验中的 值
    "PValueTable"包含 值的格式化的表格
    "ShortTestConclusion"检验结论的简短描述
    "TestConclusion"检验结论的描述
    "TestData"包含检验统计量和 值的列表
    "TestDataTable" 值和检验统计量的格式化的表格
    "TestStatistic"检验统计量
    "TestStatisticTable"包含检验统计量的格式化的表格
  • 可以使用以下选项：
  • Method Automatic计算 值使用的方法
    SignificanceLevel 0.05诊断和报告的截断点
    VerifyTestAssumptions Automatic验证何种假设
  • 对于独立检验，选择的截断点 满足只有 ， 才被拒绝. 用于 "TestConclusion" 和 "ShortTestConclusion" 属性的 值由 SignificanceLevel 选项控制. 该值 也被用于正态的诊断检验. 默认情况下， 被设为 0.05.
  • 在 IndependenceTest 中，VerifyTestAssumptions 的名称设置包括：
  • "Normality"验证所有数据是否为正态分布

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 级别，没有足够的证据拒绝独立：

范围  (8)

检验  (5)

检验两个向量是否独立：

当两向量独立， 值一般较大的：

当它们相关， 值一般较小：

检验两个矩阵是否独立：

对于相关矩阵， 值通常较小：

当矩阵是独立的， 值通常较大：

对于重复的属性提取，创建一个 HypothesisTestData 对象：

可用于提取的属性：

从 HypothesisTestData 对象中提取某些属性：

值和检验统计量：

同时提取任何数量的属性：

值和检验统计量：

报告  (3)

从检验中对结果制表：

检验结果的表格：

为自定义报表从检验表格中检索条目：

对 值或检验统计量制表：

来自于表格的 值：

来自于表格的检验统计量：

选项  (10)

Method  (4)

默认情况下，使用渐近检验统计分布计算 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：

设置产生随机排列的种子：

SignificanceLevel  (2)

设置诊断检验的显著性水平：

默认情况下，使用 0.05. 消息显示 0.025 是因为执行两个检验：

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

VerifyTestAssumptions  (4)

默认情况下，合适时检验正态性：

使用 All 或 None 按组控制诊断：

验证所有假设：

检验没有假设：

可以独立控制诊断：

检验正态：

显式设置诊断结果：

为了仿真的目的，绕过诊断检验是有用的：

通过设计保持检验假设，可以节约大量时间：

结果是一样的：

属性和关系  (4)

WilksWTest 使用 WilksW 测量作为一个检验统计量：

使用 ChiSquareDistribution[r*s] 计算 值：

WilksWTest 是 IndependenceTest 中可用的其中一个检验：

IndependenceTest 自动化检验的选择：

Wilk W 检验仅适用于输入是 TimeSeries 的值：

当输入是 TemporalData，Wilk W 检验使用所有值：

显式地检验所选定的时间数据分量：

直接使用值：

巧妙范例  (1)

当零假设 为真时，计算统计量：

检验统计量给出一个特定的选择：

比较检验统计量的分布：

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

文本

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

CMS

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

APA

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

BibTeX

@misc{reference.wolfram_2024_wilkswtest, author="Wolfram Research", title="{WilksWTest}", year="2012", howpublished="\url{https://reference.wolfram.com/language/ref/WilksWTest.html}", note=[Accessed: 22-November-2024 ]}

BibLaTeX

@online{reference.wolfram_2024_wilkswtest, organization={Wolfram Research}, title={WilksWTest}, year={2012}, url={https://reference.wolfram.com/language/ref/WilksWTest.html}, note=[Accessed: 22-November-2024 ]}