国产 无码 综合区,色欲AV无码国产永久播放,无码天堂亚洲国产AV,国产日韩欧美女同一区二区

Friedman 檢驗--Matlab

這篇具有很好參考價值的文章主要介紹了Friedman 檢驗--Matlab。希望對大家有所幫助。如果存在錯誤或未考慮完全的地方,請大家不吝賜教,您也可以點擊"舉報違法"按鈕提交疑問。

一:Friedman檢驗

? ? ? ?Friedman函數(shù)(非參數(shù)檢驗)檢驗矩陣X的各列是否來自于相同的總體,即檢驗因素A的各水平之間無顯著差異,他對分組因素B不感興趣。Frideman函數(shù)返回檢驗的p值,當(dāng)檢驗的p值小于或等于給定的顯著性水平時,應(yīng)拒絕原假設(shè),原假設(shè)認(rèn)為X總體來自于相同的總體。

二:Matlab--?Friedman檢驗代碼

以一個小例子直觀表示friedman檢驗代碼應(yīng)用過程:

例:設(shè)有來自A,B,C, D 四個地區(qū)的四位名廚制作名菜京城水煮魚?,為了比較它們的品質(zhì)是否相同,經(jīng)四位美食評委評分結(jié)果如下所示,現(xiàn)利用Friedman檢驗四位名廚制作的京城水煮魚這道菜品質(zhì)有無區(qū)別。

A B C D
評委1 85 82 82 79
評委2 87 75 86 82
評委3 90 81 80 76
評委4 80 75 81 75

假設(shè)檢驗問題為:? ? ? ? ? ? ? ? ? ??:四個地區(qū)的京城水煮魚品質(zhì)相同,

? ? ?:四個地區(qū)的京城水煮魚品質(zhì)不同。

<1>

X=[85,82,82,79;
   87,75,86,82;
   91,81,80,76;
   80,75,81,75]


p=friedman(x,regs)

?X為待檢驗矩陣,我們的目標(biāo)是四個地方水煮魚的品質(zhì)是否相同。那么同一個評委對四個地區(qū)廚師的打分就具有可參考性,而不同地區(qū)評委之間對同一個廚師的打分參考性幾乎沒有。因此,我們認(rèn)為四個地區(qū)是因素A,而評委是因素B(區(qū)組因素)。

輸出結(jié)果如下:

p =

? ? 0.0434

p<0.05, 說明在顯著性水平0.05下拒絕原假設(shè),則認(rèn)為這四個地區(qū)的有顯著性差距。

:regs為重復(fù)實驗的次數(shù)(行數(shù)必須為重復(fù)次數(shù)的倍數(shù),否則matlab會報錯);

<2>

若想進一步考慮四個地區(qū)中哪兩個地區(qū)具有顯著性差別,進一步可以進行如下的檢測:

[p,table,stats]=friedman(x)
%返回檢驗值p值、方差分析表table和結(jié)構(gòu)體變量stats

p =

? ? 0.0434


table =

? 4×6 cell 數(shù)組

? ? 'Source' ? ? 'SS' ? ? ? ? 'df' ? ?'MS' ? ? ? ?'Chi-sq' ? ?'Prob>Chi-sq'
? ? 'Columns' ? ?[12.8750] ? ?[ 3] ? ?[4.2917] ? ?[8.1316] ? ?[ ? ? 0.0434]
? ? 'Error' ? ? ?[ 6.1250] ? ?[ 9] ? ?[0.6806] ? ? ? ? ?[] ? ? ? ? ? ? ? []
? ? 'Total' ? ? ?[ ? ? 19] ? ?[15] ? ? ? ? ?[] ? ? ? ? ?[] ? ? ? ? ? ? ? []


stats =?

? 包含以下字段的 struct:

? ? ? ?source: 'friedman'
? ? ? ? ? ? n: 4
? ? meanranks: [3.7500 2 2.8750 1.3750]
? ? ? ? sigma: 1.2583

?

%調(diào)用multcompare函數(shù)進行多重比較
[c,m]=multcompare(stats);
c        %查看多重比較的結(jié)果矩陣c
[{'A';'B';'C';'D'},num2cell(m)]   %把m矩陣轉(zhuǎn)換為元胞數(shù)組,與組名放在一起顯示

c =

? ? 1.0000 ? ?2.0000 ? -0.5358 ? ?1.7500 ? ?4.0358 ? ?0.2006
? ? 1.0000 ? ?3.0000 ? -1.4108 ? ?0.8750 ? ?3.1608 ? ?0.7589
? ? 1.0000 ? ?4.0000 ? ?0.0892 ? ?2.3750 ? ?4.6608 ? ?0.0381
? ? 2.0000 ? ?3.0000 ? -3.1608 ? -0.8750 ? ?1.4108 ? ?0.7589
? ? 2.0000 ? ?4.0000 ? -1.6608 ? ?0.6250 ? ?2.9108 ? ?0.8962
? ? 3.0000 ? ?4.0000 ? -0.7858 ? ?1.5000 ? ?3.7858 ? ?0.3311

ans =

? 4×3 cell 數(shù)組

? ? 'A' ? ?[3.7500] ? ?[0.6292]
? ? 'B'? ? ?[ ? ? 2]? ? ? ? [0.6292]
? ? 'C' ? ?[2.8750] ? ?[0.6292]
? ? 'D' ? ?[1.3750] ? ?[0.6292]

從以上結(jié)果可以看出,c矩陣的第3行的第3列和第5列構(gòu)成的區(qū)間不包括0,說明在顯著性水平0.05下,可認(rèn)為A,D兩個地區(qū)制作的水煮魚這道菜的品質(zhì)之間的差異是顯著的。進一步可以通過MATLAB生成的Friedman 檢驗圖直觀的看出:

Friedman 檢驗--Matlab

如上圖所示,橫軸是平均序值,縱軸是每個算法、對于每一個算法,用一個圓點顯示其平均序值,以圓點為中心的橫線段表示臨界值域的大小。觀察圖,若兩個算法的橫線段有交疊,說明兩個算法沒有顯著的差別。由圖可以看出,A與D有明顯差距。

三:Friedman檢驗用于檢驗算法

? ? ? ?Friedman檢驗可以用于檢驗?zāi)骋恢笜?biāo)下,對多個算法在多個數(shù)據(jù)集的性能進行比較。文章來源地址http://www.zghlxwxcb.cn/news/detail-436850.html

到了這里,關(guān)于Friedman 檢驗--Matlab的文章就介紹完了。如果您還想了解更多內(nèi)容,請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!

本文來自互聯(lián)網(wǎng)用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務(wù),不擁有所有權(quán),不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載,請注明出處: 如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實不符,請點擊違法舉報進行投訴反饋,一經(jīng)查實,立即刪除!

領(lǐng)支付寶紅包贊助服務(wù)器費用

相關(guān)文章

  • 非參數(shù)檢驗之符號檢驗、Wilcoxon符號秩檢驗、游程檢驗

    非參數(shù)檢驗之符號檢驗、Wilcoxon符號秩檢驗、游程檢驗

    目錄 一、符號檢驗 例2.1下面是世界上71個大城市的花費指數(shù)(包括租金)按遞增次序排列如下(這里上海是44位,其指數(shù)為63.5): R代碼: 二、Wilcoxon符號秩檢驗 例2.3下面是10個歐洲城鎮(zhèn)每人每年平均消費的酒類相當(dāng)于純酒精數(shù)(單位:升).數(shù)據(jù)已經(jīng)按照升冪排列. R代碼: 三、

    2023年04月17日
    瀏覽(20)
  • 參數(shù)與非參數(shù)檢驗:理解差異并正確使用

    參數(shù)與非參數(shù)檢驗:理解差異并正確使用

    數(shù)據(jù)科學(xué)是一個快速發(fā)展的領(lǐng)域,它在很大程度上依賴于統(tǒng)計技術(shù)來分析和理解復(fù)雜的數(shù)據(jù)集。這個過程的一個關(guān)鍵部分是假設(shè)檢驗,它有助于確定從樣本中獲得的結(jié)果是否可以推廣到總體。 在這篇文章中,我們將探討參數(shù)與非參數(shù)檢驗之間的區(qū)別,提供示例以更好地理解它

    2023年04月24日
    瀏覽(19)
  • 非參數(shù)檢驗方法,核密度估計簡介

    非參數(shù)檢驗方法,核密度估計簡介

    在20世紀(jì),統(tǒng)計學(xué)還處于起步階段計算機還不是那么流行的時候,假設(shè)正態(tài)分布是生成數(shù)據(jù)的標(biāo)準(zhǔn)。這主要是因為在那個所有結(jié)果都是手工計算的時代,正態(tài)分布可以使計算不那么繁瑣。 但在這個大數(shù)據(jù)時代,隨著計算能力的提高,數(shù)據(jù)的可用性使得統(tǒng)計學(xué)家采用了更現(xiàn)代的

    2024年02月07日
    瀏覽(21)
  • 參數(shù)估計和假設(shè)檢驗的區(qū)別與聯(lián)系

    參數(shù)估計和假設(shè)檢驗的區(qū)別與聯(lián)系

    筆記來源: 參數(shù)估計與假設(shè)檢驗 參數(shù)估計和假設(shè)檢驗有什么區(qū)別? 參數(shù)估計和假設(shè)檢驗是推斷統(tǒng)計的兩個組成部分,它們都是根據(jù)樣本信息對總體的數(shù)量特征進行推斷 下圖來自《統(tǒng)計學(xué)圖鑒》 參數(shù)估計和假設(shè)檢驗都是以抽樣分布為理論依據(jù),建立在概率論基礎(chǔ)之上的統(tǒng)計

    2024年02月09日
    瀏覽(31)
  • 非參數(shù)檢驗-Wilcoxon,Wilcoxon-Mann-Whitney符號秩檢驗以及Pearson,Spearman秩,Kendall τ相關(guān)檢驗(附帶實例-R實現(xiàn))

    非參數(shù)檢驗-Wilcoxon,Wilcoxon-Mann-Whitney符號秩檢驗以及Pearson,Spearman秩,Kendall τ相關(guān)檢驗(附帶實例-R實現(xiàn))

    ? ?符號檢驗是非參數(shù)統(tǒng)計中最古老的檢驗方法之一,這種檢驗被稱為符號檢驗的一個理由是它所關(guān)心的信息只與兩類觀測值有關(guān),如果用符號“+”和“-”區(qū)分,符號檢驗就是通過符號“+”和“-”的個數(shù)進行統(tǒng)計推斷。符號檢驗的推斷過程(以雙邊檢驗為例): 從1.1符號檢驗

    2024年02月02日
    瀏覽(16)
  • 相關(guān)系數(shù)及其假設(shè)檢驗——matlab及spss實現(xiàn)

    相關(guān)系數(shù)及其假設(shè)檢驗——matlab及spss實現(xiàn)

    數(shù)學(xué)建模中,相關(guān)性分析往往是建模的前提。但是,相關(guān)系數(shù)是數(shù)學(xué)建模中最容易出錯濫用的點,需要注意不同相關(guān)系數(shù)的使用條件。 (1)總體的Pearson相關(guān)系數(shù) ?(2)樣本的Pearson相關(guān)系數(shù) ?(3)Pearson相關(guān)系數(shù)的誤區(qū): 理解誤區(qū)1——散點圖和皮爾遜相關(guān)系數(shù)的聯(lián)系(垂直

    2024年02月03日
    瀏覽(15)
  • 2023年數(shù)學(xué)建模:參數(shù)估計與假設(shè)檢驗:自助法(Bootstrap)詳解

    目錄 1. 引言 2. 自助法簡介 3. 自助法在參數(shù)估計中的應(yīng)用 3.1 原理

    2024年02月08日
    瀏覽(23)
  • 概率論與數(shù)理統(tǒng)計:第七章:參數(shù)估計 第八章:假設(shè)檢驗

    概率論與數(shù)理統(tǒng)計:第七章:參數(shù)估計 第八章:假設(shè)檢驗

    1.矩估計 p i ( θ ) p_i(θ) p i ? ( θ ) 、 f ( x i , θ ) f(x_i,θ) f ( x i ? , θ ) ,用矩估計法來估計未知參數(shù)θ { X ˉ = E ( X ) 1 n ∑ i = 1 n X i 2 = E ( X 2 ) left{begin{aligned} bar{X} = E(X) \\\\ dfrac{1}{n}sumlimits_{i=1}^nX_i^2 = E(X^2) end{aligned}right. ? ? ? ? X ˉ = n 1 ? i = 1 ∑ n ? X i 2 ? = ? E

    2024年02月11日
    瀏覽(24)
  • 非參數(shù)統(tǒng)計:兩樣本和多樣本的Brown-Mood中位數(shù)檢驗;Wilcoxon(Mann-Whitney)秩和檢驗及有關(guān)置信區(qū)間;Kruskal-Wallis秩和檢驗

    非參數(shù)統(tǒng)計:兩樣本和多樣本的Brown-Mood中位數(shù)檢驗;Wilcoxon(Mann-Whitney)秩和檢驗及有關(guān)置信區(qū)間;Kruskal-Wallis秩和檢驗

    目錄 兩樣本和多樣本的Brown-Mood中位數(shù)檢驗 例3.1我國兩個地區(qū)一些(分別為17個和15個)城鎮(zhèn)職工的工資(元): Wilcoxon(Mann-Whitney)秩和檢驗及有關(guān)置信區(qū)間 例3.1我國兩個地區(qū)一些(分別為17個和15個)城鎮(zhèn)職工的工資(元): Kruskal-Wallis秩和檢驗 例4.1在一項健康實驗中,三人組

    2023年04月25日
    瀏覽(20)
  • Java代碼瘦身,巧用 @Valid,@Validated 的分組校驗和嵌套檢驗,實現(xiàn)高階參數(shù)校驗操作

    Java代碼瘦身,巧用 @Valid,@Validated 的分組校驗和嵌套檢驗,實現(xiàn)高階參數(shù)校驗操作

    ? ? ? ? 在 JavaEE 項目中, RestFull 層接收參數(shù)首先要對一些字段的格式進行校驗,以防止所有查詢都落到數(shù)據(jù)庫,這也是一種合理的限流手段。以前基本上都是用 if...else...,這樣的代碼太啰嗦,除了使用策略模式進行優(yōu)化,今天介紹一下校驗注解@Valid,@Validated和@PathVariable,

    2024年02月04日
    瀏覽(24)

覺得文章有用就打賞一下文章作者

支付寶掃一掃打賞

博客贊助

微信掃一掃打賞

請作者喝杯咖啡吧~博客贊助

支付寶掃一掃領(lǐng)取紅包,優(yōu)惠每天領(lǐng)

二維碼1

領(lǐng)取紅包

二維碼2

領(lǐng)紅包