论文数据检验之——Wilcoxson signed-rank test/Scott‐Knott ESD test/cliffs-delta test
目录
Wilcoxson signed-rank test
首先是引用,可以直接跳转链接,查看相关介绍。
https://www.cnblogs.com/djx571/p/10216940.html
首先需要解释清楚这两个问题:
- 为什么要使用该检验,它能干嘛?
- 怎么使用该检验?
1.答:使用该测试是为了比较以往方法与我们提出的方法之间的差异性如何,如果数据对之间的差异是非正态分布的,则应使用Wilcoxon Signed-Rank检验;
2.答:
0假设(H0):假设要比较的方法和我们的方法之间没有显著差异
此时我们已经得到有(以Precision指标为例,假设10个数据集):
C(compared method)在10个数据集上的Precision指标值: [0.43, 0.55, …]长度为10
O(our method)在10个数据集上的Precision指标值: [0.32, 0.76, …]长度为10
可以查看链接看详细的计算过程,python代码如下:
from scipy import stats
w, p_value = stats.wilcoxon(C, O, correction=False)
我们只要p_value来说明这个差异是不是显著的,如果p<0.05,那么就否定原假设,认为两个方法之间具有显著差异。
后面Benjamini–Hochberg提出了修正检验,可参考原论文
Ferreira, J.A., Zwinderman, A.H.: On the benjamini–hochberg method.
Ann. Sta

文章介绍了在数据检验中,Wilcoxonsigned-ranktest用于非正态分布数据的差异性比较,Scott-KnottESDtest通过聚类划分处理均值组,而Cliffs-Deltatest则衡量两组观察值的效应大小。文章还讨论了这些方法的应用场景、假设检验和效应分析的重要性。
4998

被折叠的 条评论
为什么被折叠?



