1. 正态分布检验
2. 统计检验

t-test: 适用于样本数量较小(通常小于 30)的正态分布数据,用于比较两个样本的均值是否有显著差异。
Paired t-test: 确定某个总体的成对测量值之间的差异是否为 0
Two-sample t-test (independent t-test): 确定两个不同组的总体均值是否相等
One-sample t-test: 确定总体均值是否等于特定的值
ANOVA: 用于比较两个或多个组之间的均值是否存在差异,可以分为单因素 ANOVA 和多因素 ANOVA,其主要区别在于所考虑的因素数量不同。
单因素ANOVA(One way ANOVA):只考虑一个因素对因变量的影响,该因素通常是分类变量。例如,研究人员想要比较不同品牌的汽车销售量是否有显著差异,销售量是因变量,汽车品牌是分类变量,这就是一个单因素 ANOVA。
多因素 ANOVA (Two-way Analysis of Variance / N-way Analysis of Variance):其中 "Two-way" 表示有两个因素,"N-way" 则表示有 N 个因素。在实际应用中,多因素 ANOVA 还可以根据研究设计的具体情况分为三因素、四因素甚至更多因素的情况。
Wilcoxon test:
Wilcoxon rank-sum test: 一种非参数假设检验方法,用于比较两个独立样本的中位数是否存在显著差异。它适用于两个样本大小相等或不等、来自不同总体、不满足正态分布假设的情况。
Wil

本文介绍了多种统计检验方法,包括t-test、ANOVA及其变种、Wilcoxon检验及Kruskal-Wallis检验等,涵盖了从正态分布数据到非正态分布数据的不同场景下的假设检验。
最低0.47元/天 解锁文章
4856





