python非参数检验

Python非参数检验详解

最新推荐文章于 2023-05-02 17:45:40 发布

原创

最新推荐文章于 2023-05-02 17:45:40 发布 · 5.5k 阅读

28 ·

CC 4.0 BY-SA版权

这篇博客详细介绍了在总体分布未知或与分布无关的情况下的非参数检验方法，包括单样本的中位数检验、分布检验和游程检验，以及两样本和多样本的中位数检验、分布检验等，如Wilcoxon符号秩检验、Mann-Whitney-Wilcoxon检验、K-S检验等，用于判断样本数据的分布和位置差异。

单样本非参数检验

中位数（均值）检验【wilcoxon符号值秩检验】

分布的检验

游程检验

两样本的非参数检验

独立样本中位数（均值）检验【Mann-Whitney-Wilcoxon检验or Wilcoxon秩和检验】

在总体分布未知或与总体分布无关的情况下进行统计推断--非参数估计

对总体分布形式的检验（拟合优度检验）

对总体分布位置的检验（位置检验）

单样本非参数检验

中位数（均值）检验【wilcoxon符号值秩检验】

假定总体是连续且对称（中位数=均值）

原假设H0 ：M=M0

基本思想：假设总体中位数M0，计算Di=xi-M0，按照其绝对值排序得到秩。计算Di<0/>0的秩和W-、W+,如果相差很大，则可以拒绝对总体中位数的原假设

def Wilcoxon_signes_rank_test(samp,mu0=0):
    temp=pd.DataFrame(np.asarray(samp),columns=['origin_data'])
    temp['D']=temp['origin_data']-mu0
    temp['rank']=abs(temp['D']).rank()
    posW=sum(temp[temp['D']>0]['rank'])
    negW=sum(temp[temp['D']<0]['rank'])
    n=temp[temp['D']!=0]['rank'].count()
    z=(posW-n*(n+1)/4)/np.sqrt((n*(n+1)*(2*n+1))/24)
    p = (1-stats.norm.cdf(abs(z)))*2
    return z , p

Wilcoxon_signed_rank_test(water['net'],mu0=600)

# 也可以statsmodels.stats.descriptivestats中sign_test

分布的检验

K-S检验H0：F(X)=F0(X)

检验样本数据是否服从某个分布

stats.kstest(ks['observation'],'norm',args=(ks['observation'].mean(),ks['observation'].std()))
stat.anderson(ks['observation'],dist='norm')
stats.shapiro(ks['observation'])