Questions tagged «f-test»

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。

21 variance  matlab  f-test  circular-statistics 

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？

16 normality-assumption  f-test 

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', …

15 feature-selection  python  scikit-learn  r-squared  f-test 

您能给出在方差分析中使用单尾检验的原因吗？ 为什么在方差分析中使用单尾检验-F检验？

13 anova  f-test  sums-of-squares  f-distribution 

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 …

12 sample-size  power  non-central  f-test 

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？

12 hypothesis-testing  anova  model-comparison  f-test  nested-models