Questions tagged «f-test»

2
如何用循环数据检验方差相等
我对比较8个不同样本(每个样本均来自不同人群)中的变异量感兴趣。我知道这可以通过几种使用比率数据的方法来完成:F检验方差相等,Levene检验等。 但是,我的数据是圆形/方向性的(即表现出周期性的数据,例如风向和一般的角度数据或一天中的时间)。我进行了一些研究,并在R的“ CircStats”包中找到了一个测试-“沃森同质性测试”。缺点是该测试仅比较两个样本,这意味着我将不得不对8个样本进行多次比较(然后使用Bonferonni校正)。 这是我的问题: 1)我可以使用更好的测试吗? 2)如果不是,那么沃森检验的假设是什么?它是参数性/非参数性的吗? 3)我可以通过什么算法执行此测试?我的数据在Matlab中,我希望不必将其传输到R中即可运行测试。我宁愿只写自己的函数。

2
为什么F检验对正态性假设如此敏感?
为什么方差差异的F检验对正态分布的假设如此敏感,即使对于大?NNN 我试图在网上搜索并访问了图书馆,但是没有一个给出好的答案。它说测试对于违反正态分布假设非常敏感,但是我不明白为什么。有人对此有很好的答案吗?

2
基于“ F回归”和基于
比较特征是否与将特征分别F-regression与标签关联并观察值相同?[R2R2R^2 我经常看到我的同事F regression在他们的机器学习管道中使用进行特征选择sklearn: sklearn.feature_selection.SelectKBest(score_func=sklearn.feature_selection.f_regression...)` 有些人请告诉我-为什么它给出与将其与label / depedendent变量相关联时相同的结果? 对我来说,尚不清楚F_regression在特征选择中使用优势。 这是我的代码:我正在使用mtcars来自的数据集R: import pandas as pd import numpy as np from sklearn import feature_selection from sklearn.linear_model import LinearRegression #....load mtcars dataset into a pandas dataframe called "df", not shown here for conciseness # only using these numerical columns as features ['mpg', 'disp', 'drat', …


1
F检验的样本量公式?
我想知道是否有像Lehr公式这样的样本量公式适用于F检验?Lehr的t检验公式为,其中是效果大小(例如)。可以将其推广为,其中是一个常数,取决于类型I速率,所需功率以及是执行单面测试还是双面测试。 Δ Δ = (μ 1 - μ 2)/ σ Ñ = c ^ / Δ 2 çn=16/Δ2n=16/Δ2n = 16 / \Delta^2ΔΔ\Delta Δ=(μ1−μ2)/σΔ=(μ1−μ2)/σ\Delta = (\mu_1 - \mu_2) / \sigman=c/Δ2n=c/Δ2n = c / \Delta^2ccc 我正在寻找F检验的类似公式。在替代方案中,我的测试统计量分布为具有个自由度和非中心性参数的非中心F ,其中仅取决于总体参数,该参数未知但假定具有一定价值。参数由实验确定,是样本大小。理想情况下,我正在寻找形式为的(最好是众所周知的)公式, 其中仅取决于类型I速率和功率。Ñ λ λ ķ Ñ Ñ = Çk,nk,nk,nnλnλn \lambdaλλ\lambdakkknnn cn=cg(k,λ)n=cg(k,λ)n = \frac{c}{g(k,\lambda)}ccc 样本大小应满足 其中是具有 dof和非中心性参数的非中心F的CDF …

4
ANOVA比较多个组的平均值与ANOVA比较嵌套模型之间有什么关系?
到目前为止,我已经看到ANOVA以两种方式使用: 首先,在我的介绍性统计文本中,引入了ANOVA作为比较三个或更多组均值的一种方法,是对成对比较的改进,目的是确定一种均值是否具有统计学上的显着差异。 第二,在我的统计学习课文中,我已经看到ANOVA用于比较两个(或多个)嵌套模型,以确定使用模型2预测变量子集的模型1是否同样适合数据,或者是否完整模型2是上乘的。 现在,我认为这两者在某种程度上实际上是非常相似的,因为它们都在使用ANOVA测试,但是从表面上看,它们对我来说似乎完全不同。对于第一个方法,第一个用法比较三个或更多组,而第二个方法只能用于比较两个模型。有人请介意阐明这两种用途之间的联系吗?
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.