【统计检验】非参数检验

统计分析方法-非参数检验-python 记录一下自非参数检验的学习过程,如有不对请纠正。Cliff’s Delta表示两个组的效果大小,范围在-1到1之间:δ = 1 表示所有值在样本A中都大于样本B。δ = -1 表示所有值在样本B中都大于样本A。δ = 0 表示两个样本没有差异。具体的假设,例如δ>0.33时,则认为ES(effect size)较大。该检验用于评估在一组配对数据中的差异是否显著。适用于:1.两个配对样本。2.相关样本之间的比较。 阅读详情

统计检验必学:非参数检验|原理+方法+Python实战全攻略

非参数检验是数据不满足正态分布、存在异常值、样本量很小时,最可靠的统计检验方案,也是t检验、方差分析的“救命替代方法”。


一、什么是非参数检验?(一句话看懂)

普通检验(t检验、ANOVA)有严格要求:
✅ 数据正态 ✅ 方差齐 ✅ 样本量足够

一旦不满足,结果就会不准、骗人、出错。

而非参数检验:
不依赖数据分布、不要求正态、不怕异常值、小样本也能用
只看数据的大小顺序(秩),不看具体数值。


二、什么时候必须用非参数检验?

  • 数据明显不正态
  • 有异常值
  • 样本量很小(n<30)
  • 数据是等级、排名、评分
  • 方差不齐且无法修正

一句话:
参数检验用不了 → 就用非参数检验


三、3个最核心非参数检验(背会这三个就够)

1. Wilcoxon 符号秩检验

对应:配对t检验
用途:同一组人/物品前后两次比较
例子:减肥前体重 vs 减肥后体重

2. Mann-Whitney U 检验

对应:独立样本t检验
用途:两组独立数据比较
例子:A版本点击量 vs B版本点击量

3. Kruskal-Wallis H 检验

对应:单因素方差分析
用途:三组及以上比较
例子:3种营销策略效果对比


四、非参数检验 vs 参数检验(清晰对照)

对比项参数检验(t/ANOVA)非参数检验
分布要求必须正态不要求
异常值敏感不敏感
数据类型连续数值数值、等级、顺序
小样本差好
原理比较均值比较中位数/秩次
功效高(满足假设时)稳健(不满足时更准)

五、核心原理:什么是秩(Rank)?

非参数检验不看原始数值,只看排序后的名次。

例子:
数据:8, 3, 5, 9
排序:3,5,8,9
秩: 1,2,3,4

所有检验都基于:
秩和大小比较


六、Python 完整实战:A/B测试非参数检验

我们模拟网页点击数据,用 Mann-Whitney U检验 比较差异。

1. 生成数据

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.stats import mannwhitneyu

# 固定随机种子
np.random.seed(42)

# 模拟两组点击(泊松分布,非正态)
group_A = np.random.poisson(lam=4, size=1000)
group_B = np.random.poisson(lam=5, size=1000)

# 构建DataFrame
data = pd.DataFrame({
    'Design': ['A']*1000 + ['B']*1000,
    'Clicks': np.concatenate([group_A, group_B])
})

2. 可视化:箱线图

plt.figure(figsize=(10, 5))
sns.boxplot(x='Design', y='Clicks', data=data, palette='Set2')
plt.title('A/B测试点击分布')
plt.grid(alpha=0.3)
plt.show()

3. 非参数检验:Mann-Whitney U

# 非参数检验
stat, p_value = mannwhitneyu(group_A, group_B)

print(f"U 统计量: {stat:.4f}")
print(f"P 值: {p_value:.4f}")

if p_value < 0.05:
    print("结论:两组存在显著差异 ✅")
else:
    print("结论:两组无显著差异 ❌")

4. 直方图对比

plt.figure(figsize=(10, 5))
sns.histplot(group_A, color='blue', kde=True, label='A', bins=15, alpha=0.6)
sns.histplot(group_B, color='orange', kde=True, label='B', bins=15, alpha=0.6)
plt.title('A/B点击分布对比')
plt.legend()
plt.grid(alpha=0.3)
plt.show()

七、三组及以上:Kruskal-Wallis 检验代码

from scipy.stats import kruskal

# 模拟3组数据
g1 = np.random.poisson(3, 50)
g2 = np.random.poisson(5, 50)
g3 = np.random.poisson(4, 50)

# 检验
stat, p = kruskal(g1, g2, g3)
print(f"H统计量: {stat:.4f}, p值: {p:.4f}")

八、配对数据:Wilcoxon 检验代码

from scipy.stats import wilcoxon

before = np.random.normal(60, 5, 30)
after = before + np.random.normal(3, 1, 30)

stat, p = wilcoxon(before, after)
print(f"统计量: {stat:.4f}, p值: {p:.4f}")

九、非参数检验怎么选?(万能速查表)

场景方法对应参数检验
两组独立Mann-Whitney U独立t检验
两组配对Wilcoxon配对t检验
三组及以上Kruskal-Wallis单因素ANOVA

十、非参数检验优点(必背)

  1. 不要求正态分布
  2. 对异常值稳健
  3. 小样本表现好
  4. 可处理等级/顺序数据
  5. 方差不齐也能用

十一、非参数检验缺点

  1. 数据符合正态时,功效比t检验低
  2. 只能判断是否有差异,难以衡量差异大小
  3. 大数据集计算稍慢

十二、最简单总结(背诵版)

  • 非参数检验 = 不看分布、只看秩次、稳健抗异常
  • 数据不正态、有异常、样本小 → 必须用
  • 两组独立 → Mann-Whitney U
  • 两组配对 → Wilcoxon
  • 三组及以上 → Kruskal-Wallis
  • 看p值:p<0.05 = 差异显著
学习统计学之非参数检验 单样本的非参数检验 单样本的非参数检验是对单个总体的分布类型进行推断的方法,包括卡方检验、二项分布检验、k-s检验以及变量值随机性检验方法。 总体分布的卡方检验 卡方检验是根据样本数据,推断总体数据是否服从某一分布,即总体分布于期望分布之间是否存在显著性的差异,是一种吻合性的检验方法。它的原假设为样本来自的总体分布与所假设的分布无显著性差异。基本思想为在原假设成立的条件下,变量值落在一个子集中的概率值为p,则相应的期望频数为np,卡方检验是通过卡方统计量来获得实际的频数与期望频数之间的差距大小,从而根据相应 阅读详情

相关推荐

统计假设检验实战:从正态性检验到非参数检验的7步完整分析流程

本文详细介绍了统计假设检验的7步完整分析流程,从正态性检验到非参数检验,帮助科研和商业分析人员科学比较不同组别间的差异。通过实际案例和操作步骤,读者将掌握如何选择适当的检验方法,解读结果并可视化呈现,提升统计推断的准确性和可信度。

weixin_34354945的博客 469

数据分析之参数检验与非参数检验

1、参数检验和非参数检验的区别 定义不同: 参数检验:假定数据服从某分布(一般为正态分布),通过样本参数的估计量(x±s)对总体参数(μ)进行检验,比如t检验、u检验、方差分析。 非参数检验:不需要假定总体分布形式,直接对数据的分布进行检验。由于不涉及总体分布的参数,故名「非参数」检验。比如,卡方检验。 衡量值不同 参数检验的集中趋势的衡量为均值,而非参数检验为中位数。 需要的信息不同 参数检验要利用到总体的信息(总体分布、总体的一些参数特征如方差),以总体分布和样本信息对总体参数

当我把这件事情做出来的时候,我想要的东西就已经拿到了 2万+

从零到一:华为iMaster NCE-Campus部署中的Euler OS与FusionInsight深度解析

本文深入解析华为iMaster NCE-Campus部署中Euler OS与FusionInsight的关键技术要点,包括RAID配置、网络绑定技术、安装避坑指南及性能调优方案。通过实战经验和详细配置示例,帮助工程师提升部署效率与系统稳定性,确保华为企业级解决方案的高效运行。

f6g7h8i9j的博客 550

数据处理——数据统计分析(参数检验、非参数检验、方差分析)

也就是说已知这列样本数据是从一个已知分布的总体样本数据中抽取出来的(例如:从一个班50个人的成绩中抽取了8个人的成绩,验证这8个人的成绩的平均值是否与全班成绩的平均值相等):相较于参数检验,非参数检验是一种不依赖于总体分布的假设检验方法,它不需要假定数据来自特定的参数分布(如正态分布),而是直接对数据的分布特征或位置关系进行检验。例如:生产同一种产品,采用未改进生产的样品每天抽取到的次品率为样本A,经过改进后技术生产的样品的次品率为样品B,检验改进后的技术是否可以显著减少次品率?它特别适用于有序分类数据。

m0_74102364的博客 5791

新手小白如何学习编程

学习目标推荐第一门语言优势网站 / APP 开发(前端)JavaScript浏览器原生支持,能快速做出可视化效果后端 / 服务器 / 数据分析Python语法简洁像英语,库多、应用广(入门友好)游戏开发先用电竞入门,再转专业引擎硬件 / 嵌入式(比如单片机)C 语言贴近硬件,行业标准办公自动化(Excel / 文档处理)Python快速解决重复工作(比如批量改文件)👉新手首选推荐。

2501_94331842的博客 2234

advanced installer 打包Flutter的Windows程序安装包(基本打包、开机自启、定时自动检测升级、包含卸载程序)

advanced installer 打包Flutter的Windows程序安装包(基本打包、开机自启、定时自动检测升级、包含卸载程序)

qq_45634989的博客 2883

【数理统计】5-假设检验、参数与非参数检验

假设检验(hypothesis testing),又称统计假设检验,是一种用于判断样本与样本、样本与总体的差异是由抽样误差引起还是由本质差别造成的统计推断方法。设立假设(Set the Hypothesis):通常包括原假设(H0)和备择假设(H1)。原假设一般表示没有效应或没有差异,而备择假设表示存在效应或差异。设定显著性水平(Set the Significance Level):常用的显著性水平有0.05、0.01等,这个值表示在多大程度上可以接受拒绝原假设的风险。

知不足而奋进,望远山而前行 3984

CTFShow萌新区全攻略:从密码破解到Web渗透的实战解析

本文为CTFShow萌新区新手提供从密码破解到Web渗透的完整实战攻略。文章深入解析了密码学、隐写术、杂项和Web安全四大核心方向,分享了实用的解题工具、思维方法和绕过技巧,旨在帮助初学者建立系统的安全竞赛解题体系,而不仅仅是提供一份题解(WP)。

weixin_29216957的博客 301

【统计学】参数检验和非参数检验的区别和基本统计学

自学笔记,分享给对统计学原理不太清楚但需要在论文中用到的小伙伴,欢迎大佬们补充或绕道。ps:本文不涉及公式讲解(文科生小白友好体质)~ 本文重点:参数检验和非参数检验的区别以及对应的常用统计学方法 (这是需要根据自己的数据类型搞清楚用哪种统计学方法的关键) 【1.参数检验】 【2.非参数检验】 【3.参数检验和非参数检验的区别】 【4.常用统计学方法】

TUTO_TUTO的博客 1万+

【现代人形机器人:从物理建模到大模型驱动的控制与学习】第1章 机器人建模回顾

本章建立读者进行后续控制 / 优化 / 学习工作的数学与计算基础。内容分为三大块:刚体运动学:位姿表示、坐标变换、旋转参数与李代数/李群(指数映射、twist)多关节机构的正/逆运动学:DH 与 POE 两种建模、雅可比矩阵推导、数值/解析逆解方法与奇异性问题约束动力学:拉格朗日公式、牛顿—欧拉递归算法、接触/冲击模型、受约束系统的方程(拉格朗日乘子与互补性条件)每一节同时给出与练习题。假设读者已具备线性代数(矩阵、特征分解、SVD)、多变量微积分与基础力学(牛顿第二定律)知识。

u012133341的博客 186

Python入门实战:Python生物信息学编程基础

本文旨在为生物学背景的研究人员和对生物信息学感兴趣的程序员提供一个全面的Python生物信息学编程入门指南。我们将从Python基础知识开始,逐步深入到生物信息学特定的工具和技术,最终达到能够独立开发生物信息学分析程序的水平。Python编程基础生物信息学常用数据结构和算法DNA和蛋白质序列分析基因组数据处理生物信息学数据可视化Biopython库的使用实际项目案例背景介绍:概述文章目的、范围和预期读者核心概念与联系:介绍Python和生物信息学的基本概念。

AI架构师小马 1518

统计推断——假设检验——基于秩次的非参数检验

一、配对资料的符号秩和检验 1、参数检验对比非参数检验 1.1、参数检验的定义: 在总体分布类型已知(如正态分布)的条件下,对其未知参数检验。 如 检验和方差分析,都是基于总体分布为正态分布、总体方差相等的前提下对总体均数进行的检验。 1.2、非参数检验的定义: 若总体分布未知或已知总体分布与检验所要求的条件不符,经数据转换也不能使其满足参数检验的条件,这时需要采用一种不依赖于总体分布...

huangguohui_123的博客 1万+

第02章:HSA-Runtime架构概览

摘要: 本章深入解析HSA Runtime的三层架构设计,包括公共API层(C语言接口)、核心实现层(C++业务逻辑)和驱动抽象层(硬件交互)。重点介绍了Runtime的核心组件(Agent、Queue、Signal、Memory)及其关系,以及初始化流程、配置选项和调试功能。通过学习,读者将掌握HSA Runtime的整体架构,为后续模块学习奠定基础。

图形/计算GPU的驱动与虚拟化技术分享园地 2931

统计学 非参数检验

统计学 非参数检验的相关内容:单样本/两个及以上的样本的符号检验、秩相关检验等

airhaohan 的博客 2137

嵌入式RTOS实战:uC/OS-III最新版移植指南(附项目源码)

本文提供uC/OS-III实时操作系统的完整移植指南,涵盖源码配置、工程搭建到任务调度的全流程。针对移植中的常见编译错误,给出关键修改方案(如中断重定义、配置使能等),附已验证的工程源码,通过LED任务实验验证稳定性,帮助开发者高效完成移植。适合嵌入式工程师及RTOS学习者参考。

Bit_Dong的博客 2475

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

统计学(五):非参数检验

1.单样本资料与已知总体参数的非参数检验 # 总体中位数为2.15 x = c(2.15,2.10,2.20,2.12,2.42,2.52,2.62,2.72,2.99,3.19,3.37,4.57) wilcox.test(x,mu = 2.15,conf.level = .95,alternative = 'greater') 2.配对设计资料的非参数检验 x1 = c(39,42,51,4...

bioprogrammer 2636

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

统计学习(五):非参数检验

Kolmogorov - Smirnov 检验Kolmogorov - Smirnov 检验,简称 K-S 检验,检验一个样本是否来自某连续分布(参考分布)。定义5.1 Kolmogorov - Smirnov 统计量设样本 x1,x2,…,xnx_1, x_2, \dots, x_n 来自某分布 FF, 经验分布( empirical distribution )为 FnF_n, 称统计量 Dn

wong2016的博客 7566

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

概率论与数理统计教程(七)-假设检验06:非参数检验

§ 7.6 非参数检验 统计学的基本问题是利用观测到的样本推断总体.在统计推断中,我们对研究的总体常常要作一些假定, 最常见的假定是假定总体分布为正态, 这样的假定是比较强的.由于实际的总体与假定的总体往往会有差距, 那么, 这种做法将可能会引起推断结果的错误. 这一问题促使人们去研究在总体分布假定比较弱的前提下, 如何进行统计推断.非参数检验正是这样的一个领域. 本节,我们介绍几个常用的非参数检验方法. 7.6.1 游程检验 所有的统计推断方法常常要求数据随机取自同一个总体, 有时由于种种原因,我们可能怀

u013250861的博客 610

论文统计复现指南:t检验、非参数检验与卡方检验核对

假设检验是数据分析中依据样本推断总体差异的基础方法,其原理是通过检验统计量、自由度和p值评估观测结果在零假设下出现的概率。正确区分t检验、非参数检验与卡方检验,并核对正态性、方差齐性、列联表期望频数及多重比较校正,会直接影响统计显著性和效应量解释。在论文统计复现、实验数据复核和可重复分析脚本搭建中,这些基础概念决定了结果能否与原文对齐。围绕连续变量均值比较、秩次比较和分类频数比较三类高频场景,梳理检验决策链、参数设置与差异排查流程,可形成可对照论文核对的复现清单与工程化分析路径。

weixin_29034963的博客 233

统计检验复现:t检验、非参数检验与卡方检验

统计检验是实证研究和论文复现中的基础环节,核心在于用样本推断总体并判断差异是否具有统计显著性。t检验、非参数检验与卡方检验分别对应均值、秩次/分布位置和频数分布的比较;先检查正态性、方差齐性与单双侧方向,再匹配Welch校正、效应量和多重比较校正,能够提升p值复现的一致性与结论可信度。借助Python的scipy与statsmodels,可把假设检验、方法选择、结果验证串成可追溯流水线,适用于毕业论文、开源实验复现和工程数据分析。

weixin_29082143的博客 303

论文统计结果复现:T检验、非参数检验与卡方检验方法选择

统计检验是论文数据分析的基础环节,其核心是根据变量类型、组别设计和分布假设选择T检验、非参数检验或卡方检验,并通过统计量、自由度和P值判断结果是否可信。方法选择错误会导致P值复现偏差,数据清洗、缺失值处理和多重比较校正同样影响结论。对毕业课题、meta分析与审稿场景而言,掌握从论文表述反推检验变体、验证代码输出与效应量方向的能力,能显著提升统计复现效率。围绕T检验、Mann-Whitney U、Kruskal-Wallis与Fisher精确检验等常见变体,工程化记录样本量、参数设置和差异来源,是把论文统计结

weixin_29072299的博客 229

Excel在统计分析中的应用—第九章—非参数检验-x2检验-拟合优度检验

单一个假设检验,花了我近两个星期才完成。今天,终于可以进入新的章节,也是更高级的内容——非参数检验了。 “非参数检验(Nonparametric tests)是统计分析方法的重要组成部分,它与参数检验共同构成统计推断的基本内容。非参数检验是在总体方差未知或知道甚少的情况下,利用样本数据对总体分布形态等进行推断的方法。由于非参数检验方法在推断过程中不涉及有关总体分布的参数,因而得名为“非参数”检验

预见未来to50的专栏 6164

非参数检验统计量分析

一、应用背景 非参数检验用于研究定类数据与定量数据之间的关系情况。例如研究人员想知道不同性别学生的购买意愿是否有显著差异。如果购买意愿呈现出正态性,则建议使用方差分析,如果购买意愿没有呈现出正态性特质,此时建议可使用非参数检验。此案例研究某车间用4种不同的操作方法做若干批试验,检验操作方法对产品的优等品率是否有显著影响。 二、SPSSAU操作 1.SPSSAU操作如下图: 2.将数据放入分析框中,SPSSAU系统对数据进行处理后,自动生成分析结果如下: 三、分析 结果解读以及计算公式:...

m0_37228052的博客 3734

bartlett方差齐性检验_R语言统计与绘图:非参数检验

在数据分析中,t检验和方差分析是最常用于组间差异比较的统计方法,但是条件也是比较难满足的:随机样本;正态分布;方差齐性。如果数据资料不满足这些条件,怎么办?非参数检验(Nonparametric tests)可能就是一个比较好的方法。对非正态分布数据,我们无法根据样本数据对总体分布的统计参数进行推断,可以用排秩(排序)的方法来规避不是正态分布的问题,用样本的排序情况来推断总体的分布情况。...

weixin_39610188的博客 7694

r语言平均值显著性检验_SPSS中常用的参数和非参数检验方法——「杏花开生物医药统计」...

1.常用的参数检验方法1.1正态总体均值的假设检验(t检验)检验1组数据样本的均值是否等于,大于或小于某个值,或者检验两组数据样本的均值的大小情况。其中的统计量Z一般服从t分布。1.2正态总体方差的假设检验检验1组数据样本的方差是否等于,大于或小于某个值,或者检验两组数据样本的方差的大小情况。其中单样本检验的统计量X2一般服从卡方分布。双样本检测的统计量F一般服从F分布。1.3二项分布总体的假设检...

weixin_35696012的博客 872

非参数统计单样本非参数检验之卡方检验

作者:GuHP

s0302017的博客 1437
上一篇: 【统计检验】方差齐性检验
下一篇: 【统计检验】卡方检验(χ²)
「已注销」
博客等级 码龄1年 312粉丝 132原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

「已注销」

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值