hypothesis-test

0热度

1回答

我试图衡量历史股价和使用德宾沃森试验R. 该指数之间的相关性是我迄今所做的： data <- read.xlsx("data.xlsx", colNames = TRUE, detectDates = TRUE) data head(data) data$X1 <- as.Date(data$X1) bbva <- xts(data$BBVA, data$X1) ibex <- xts

0热度

2回答

用lpp测试CSR与R

我最近发布了一个关于这样做的正确方法的“非常新颖的R”问题，如果你对它感兴趣，你可以在这里找到它。 1 我现在已经设法开发出一个简单的R脚本来完成这项工作，但现在结果让我感到困扰。其中零假设是所述点随机分布我使用R键分析lpp（线性点模式）与mad.test。那功能长话短说执行假设检验。目前我有88 lpps来分析，而根据p.value其中86个是随机分布的，其中2个不是。这些是两个没有随机分

1热度

1回答

比较R中修剪装置的Bootstrap-t方法

我对用不同的健壮方法比较独立装置感到困惑。我在统计学教科书中找到了很好的解释。例如yuen()在样本量相等的情况下。我的样本相当不平等，因此我想尝试一种引导-t方法（来自Wilcox书籍：Robust Estimation and Hypothesis Testing简介，第163页）。它说yuenbt()将是一个可能的解决方案。但是所有的教科书上说，我可以在这里使用的载体： yuenbt(x,

0热度

1回答

R中运行T.Test比较两个不同的列

我必须在以下运行R A t.test：如果是单身的YearsAtCompany低于已婚意义不知何故，我需要比较YearsatCompany与婚姻状况我曾尝试： t.test(EmployeeAttrition$YearsAtCompany[Single],EmployeeAttrition$YearsAtCompany[Married],alternative = "less") 但是，

1热度

1回答

R：在线性组合中添加常量，glht（）

所以我想复制一个stata函数，我在中看到的计量经济学原理，Hill，Griffiths和Lim。我想要复制的函数在stata中看起来像这样; lincom _cons + b_1 * [arbitrary value] - c 这是零假设H0：B0 + B1 * X = C 我能够检验假设没有恒定的，但我想测试线性组合时添加的恒定的参数。我浏览了glht()的包装文件，但它只是一个例子，他们

5热度

1回答

基于属性的测试和变异测试有什么区别？

我的这个问题的上下文是在Python中。假设检验库（即产权为基础的测试）： https://hypothesis.readthedocs.io/en/latest/ 突变检测库： https://github.com/sixty-north/cosmic-ray

0热度

1回答

何时需要多重比较校正？

我在假设检验方面不是很有经验，并且在发生多重比较问题时有理解问题？正如我理解的多重比较当试图从单个数据库执行多个统计测试时发生问题。因此，为了得出正确的结论，应该调整显着性水平。（对吗？）在我的情况下，我有一个数据库，并对数据库的不同部分执行多个t检验。换句话说，每个测试的数据都与另一个测试完全不同，而所有数据都属于一个数据库。所以，原则上多重比较问题不应该存在于我的测试中，是不是？在此先

1热度

1回答

假设测试以确定平均值是否更大

我有一个测试Chrome浏览器版本（遥测）的性能测试套件。我试图确定一个版本在给定的测试中是快/慢还是没有明显不同。对于每次测试运行，我提供了：avg，std，count，max，min，sum。我可以比较两个测试运行（例如在两个浏览器之间）和我给出的：delta avg，％delta avg，delta std，％delta std ......等。我还给出了p值（直方图没有显着差异的概率）

0热度

1回答

多项式回归的正态性检验

在R中，我对以下数据库使用了多项式回归。它表明R2很好，系数和模型的显着性水平均小于0.05。但是当使用shapiro.test来测试残差时，p值为0.01088，这意味着残差不符合正态分布。所以我想知道多项式回归是否有效。多项式回归的残差是否必须满足正态性假设？下面附加的是用于回归的代码和数据。 alloy<-data.frame( x=c(37.0, 37.5, 38.0, 38.5

2热度

1回答

将R用于缺乏拟合的F检验

我学会了如何使用R对缺乏拟合的回归模型进行F检验，其中$ H_0 $：“这里没有缺乏拟合回归模型“。其中df_1是自由度SSLF（正方形的失拟-总和）和df_2为SSPE的自由度（由于纯误差平方和）。 Model 1: y ~ x1 + x2 Model 2: y ~ factor(x1) * factor(x2) Res.Df RSS Df Sum of Sq F Pr(>F)