Advertisement

MWWTest：两组未配对的Mann-Whitney-Wilcoxon非参数检验-MATLAB开发

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：ZIP

简介：
MWWTest是一款用于执行Mann-Whitney-Wilcoxon（MWW）非参数检验的MATLAB工具，适用于比较两组独立样本的中心趋势差异。 该文件执行非参数 Mann-Whitney-Wilcoxon 检验来评估两组独立样本之间的差异。如果组合数少于20,000，则算法计算出准确的秩分布；否则，它使用正态分布进行近似处理。此测试的结果与MatLab中的RANKSUM函数有所不同，并提供了更多的输出信息。此外，该检验还有一个替代公式，用于得出通常以U表示的统计量值。同时还会计算U统计量。 语法：STATS = MWWTEST(X1, X2) 输入： - X1 和 X2 - 数据向量 输出： - 使用精确等级分布时的T和U值及p值。 - T、U值，平均数，标准差，Z值以及使用正态分布计算出的p值。 如果指定了STATS作为nargout参数，则结果会被存储在STATS中结构体变量里。 示例： X1 = [181 183 170 173 174 179 172 175 178 176 158 179 180 172 177]； X2 = [168, 165, 163]；

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • MWWTest：两组未配对的Mann-Whitney-Wilcoxon非参数检验-MATLAB开发
    优质
    MWWTest是一款用于执行Mann-Whitney-Wilcoxon（MWW）非参数检验的MATLAB工具，适用于比较两组独立样本的中心趋势差异。 该文件执行非参数 Mann-Whitney-Wilcoxon 检验来评估两组独立样本之间的差异。如果组合数少于20,000，则算法计算出准确的秩分布；否则，它使用正态分布进行近似处理。此测试的结果与MatLab中的RANKSUM函数有所不同，并提供了更多的输出信息。此外，该检验还有一个替代公式，用于得出通常以U表示的统计量值。同时还会计算U统计量。 语法：STATS = MWWTEST(X1, X2) 输入： - X1 和 X2 - 数据向量 输出： - 使用精确等级分布时的T和U值及p值。 - T、U值，平均数，标准差，Z值以及使用正态分布计算出的p值。 如果指定了STATS作为nargout参数，则结果会被存储在STATS中结构体变量里。 示例： X1 = [181 183 170 173 174 179 172 175 178 176 158 179 180 172 177]； X2 = [168, 165, 163]；
     
  • Matlab开发：基于Wilcoxon的两配对样本非参数检验
    优质
    本项目利用MATLAB实现基于Wilcoxon秩和检验的两配对样本非参数统计分析，适用于比较相关样本间差异，无需数据正态分布假设。 Wilcoxon 检验用于评估配对样本之间的差异，并是一个非参数检验方法。当差值小于15时，算法会计算精确的秩分布；否则它使用正态分布近似。现在，MatLab 函数 SIGNRANK 返回相同的 p 值。然而，这个 Wilcoxon 函数提供了更详细的输出结果（这是发表论文所需的内容）。语法为：STATS=WILCOXON(X1,X2,PLTS)。 输入参数包括： - X1 和 X2 - 数据向量。 - ALPHA - 显著性水平，默认值为0.05。 - PLTS - 如果您不想 (设置为 0) 或想要 (设置为 1) 查看绘图，则可以设定该标志输出。 输出结果会根据使用的分布有所不同： - 当使用精确等级分布时，返回 W 值和 p 值。 - 使用正态分布近似时，提供 W 值、Z 值、标准差（平均值为 0）及相应的 p 值。如果指定了 STATS nargout，则结果将存储在 STATS 结构中。 示例： X1=[77, 79, 79, 80, 80, 81, 81, 81, 81]
     
  • 【Matlab代码】Wilcoxon：两组配对样本的非参数检验
    优质
    本资源提供了一段使用MATLAB编写的代码，用于执行Wilcoxon符号秩检验，以比较两组配对样本之间的差异，无需假设数据分布。 【Matlab代码】Wilcoxon：用于两个配对样本的非参数 Wilcoxon 检验。
     
  • 配对 Wilcoxon 符号秩检验在人工数据上的特性研究 - MATLAB开发
    优质
    本项目通过MATLAB开发，探讨了Wilcoxon符号秩检验在不同类型的人工数据集中的统计性能和适用性。 此脚本用于研究对从具有不同上端点的连续均匀分布生成的人工数据进行配对 Wilcoxon 符号秩检验的属性。 模型参数在“实验参数初始化”部分定义并描述。 该脚本会产生三个伪彩色图，分别是： - Wilcoxon 符号秩检验 P 值与 N 和 MU2 的关系； - 根据 N 和 MU2 对 Number_of_Exprs 实验进行 Wilcoxon 符号秩检验的平均 P 值； - 根据 N 和 MU2 对 Number_of_Exprs 实验进行 Wilcoxon 符号秩检验的实际功效。
     
  • Cox-Stuart 非参数趋势检验：Cox-Stuart 检验 - MATLAB开发
    优质
    这段MATLAB代码实现了Cox-Stuart非参数趋势检验，用于检测时间序列数据中的单调趋势。无需假设数据分布，适用于小样本和非正态数据集。 这段代码执行了一个版本的两尾Cox-Stuart检验。它针对趋势缺失的零假设进行替代测试向量V的趋势检测。如果在alpha显著性水平上拒绝原假设，则返回H = 1；否则，若未能在此显着性水平上拒绝原假设，则返回H = 0。
     
  • Spearmans Rho测试：非参数趋势检验-Spearmans Rho matlab开发
    优质
    本项目提供了Spearmans Rho测试的Matlab实现代码，适用于进行非参数统计中的趋势分析和相关性研究。 这段代码执行 Spearman 的 rho 测试。它针对趋势的替代测试向量 V 中趋势缺失的零假设。如果在 alpha 显著性水平上拒绝原假设，则测试结果返回 Td = 1 表示正趋势，Td = -1 表示负趋势；若未能在该显著性水平上拒绝原假设，则返回 Td = 0。
     
  • 邓恩检验：多重非参数比较的邓恩方法-MATLAB开发
    优质
    本项目提供了一种实现邓恩检验的方法，这是一种用于进行多重非参数比较的有效统计手段。通过MATLAB编程语言，用户可以方便地对实验数据进行分析，尤其是在需要评估多个样本间秩差异的情况下。该工具支持批量处理和结果可视化，适用于科研及数据分析领域专业人士使用。 Dunn 检验是 Holm-Sidak 多重 t 检验的一种非参数替代方法。当您使用 Kruskal-Wallis 检验确定各组间存在差异后，由于总体误差大于 alpha（根据邦费罗尼不等式），不能直接对每一对进行 KWtest。而通过 Dunn 的测试，则可以利用多重比较来突出显示具体哪些组之间存在显著差异。该算法需要使用统计工具箱。
     
  • Matlab中的Mann-Kendall突变检验函数代码
    优质
    本资源提供了一个用于执行Mann-Kendall突变检验的MATLAB函数代码。该工具箱适用于数据分析和时间序列研究，帮助用户检测数据序列中是否存在趋势变化点。 mk(array, time, alpha, drawing) %突变检验函数，程序经过调试，运行结果正确。
     
  • 增强型Mann-Kendall Tau-b with Sens 方法：非参数趋势检验详解，包含...
    优质
    本文章深入解析增强型Mann-Kendall Tau-b with Sens方法，一种用于检测数据序列中非参数趋势的有效工具。通过详细说明其原理和应用案例，帮助读者掌握该方法的使用技巧及注意事项。 Mann-Kendall Tau非参数函数用于计算表示等距数据趋势强度和方向的系数。虽然无需统计工具箱即可计算Tau值，但需要它来测试显著性。此函数将计算Tau-a和Tau-b，重要性和各种支持统计数据，并采用非参数斜率方法：Sens方法。 注意：仅在此功能中需使用统计工具箱以进行显著性测试；除此之外只需Matlab本身便足够了。增强的功能包括现在支持季节性Kendall趋势测试（sktt.m），允许在同一时间索引中有多个观察值，为Sens斜率添加置信区间，并可开启或关闭绘图功能。 第二个增强是：此函数可以检测并报告数据中的异常趋势情况，参考信息在该函数的注释中。鉴于现代计算机的速度，在某些计算上避免使用Matlab循环已不像过去那么重要了；但是编写无循环代码是一种优雅的形式，可能被一些人所欣赏。因此这个函数是在没有任何循环的情况下编写的。
     
  • 我的弗里德曼：用于非参数双向方差分析的检验-MATLAB开发
    优质
    本文介绍了my Friedman Test工具箱，它提供了一种使用MATLAB进行非参数双向方析的方法。该测试适用于重复测量的数据集。 弗里德曼检验是由美国经济学家米尔顿·弗里德曼开发的一种非参数统计方法。类似于参数重复测量方差分析，它用于检测多次测试尝试中的治疗差异。该过程包括对每一行（或块）进行排名，然后按列考虑排名的值。适用于完整的块设计，因此它是Durbin检验的一个特例。 弗里德曼检验用于等级变量在双向重复测量下的方差分析。使用等级时，它类似于Kruskal-Wallis方法中单向排列平均数差异的检验方式。当处理或区块的数量较多时，概率分布可以通过卡方或者F分布进行近似计算；如果样本数量较小，则卡方的近似效果较差，此时应从专门为弗里德曼检验准备的概率表中获取p值。 MatLab函数FRIEDMAN仅使用了卡方近似的算法。相比之下，MYFRIEDMAN对于小样本量采用精确分布进行分析，在大样本情况下则同时考虑卡方和F分布的特性。当得到显著性P值时，可以进一步执行事后多重比较以确定具体差异所在。