33、工程数据分析中的非参数检验方法

工程数据分析中的非参数检验方法

1. 符号检验基础

1.1 符号检验的基本概念

符号检验是一种非参数检验方法,可作为配对 t 检验的替代方法。在配对样本检验或前后对比研究中,该检验使用正负号来进行分析。其原假设设定为正负号的数量相等,或者总体均值等于样本均值。

1.2 假设陈述

  • 原假设 :中位数差异为零,即大约一半的差异为正,一半为负。
  • 备择假设 :根据具体研究问题而定,例如中位数差异不为零等。

1.3 检验统计量计算

理论上,符号检验的检验统计量是正号或负号的数量,取较小者。但在 MATLAB 中,统计量是样本中正号的数量。

1.4 示例分析

1.4.1 工程师薪资示例

为确定一组工程师在参加工作培训后平均年薪是否增加,收集了 10 名工程师培训前后的年薪数据。
| 工程师 | 培训前(美元) | 培训后(美元) | 差值符号 |
| — | — | — | — |
| 1 | 60K | 62K | - |
| 2 | 62K | 63K | - |
| 3 | 61K | 62K | - |
| 4 | 59K | 60.5K | - |
| 5 | 63K | 64K | - |
| 6 | 61.5K | 63.5K | - |
| 7 | 60.5K | 62.5K | - |
| 8 | 62.5K |

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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