R语言实战笔记--第十二章 重抽样(置换检验)与自助法

R语言实战笔记–第十二章 重抽样(置换检验)与自助法标签(空格分隔): R语言 重抽样 自助法 置换检验置换检验  双样本均值检验的时候,假设检验的方法就是,检查正态性、独立性、方差齐性,分别对应的参数非参数方法进行假设检验,但是,这些方法都要求样本数必须有多少多少,但是,由于试验时,各种条件的限制,导致样本量过小,此时以上方法几乎都会失真,置换检验就应运而生了。   Permutation te
摘要由CSDN通过智能技术生成

R语言实战笔记–第十二章 重抽样(置换检验)与自助法

标签(空格分隔): R语言 重抽样 自助法 置换检验


置换检验

  双样本均值检验的时候,假设检验的方法就是,检查正态性、独立性、方差齐性,分别对应的参数非参数方法进行假设检验,但是,这些方法都要求样本数必须有多少多少,但是,由于试验时,各种条件的限制,导致样本量过小,此时以上方法几乎都会失真,置换检验就应运而生了。
  Permutation test 置换检验是Fisher于20世纪30年代提出的一种基于大量计算 (computationally intensive),利用样本数据的全(或随机)排列,进行统计推断的方法,因其对总体分布自由,应用较为广泛,特别适用于总体分布未知的小样本资料,以及某些难以用常规方法分析资料的假设检验问题。在具体使用上它和Bootstrap Methods类似,通过对样本进行顺序上的置换,重新计算统计检验量,构造经验分布,然后在此基础上求出P-value进行推断。
  置换检验的操作方法:假设有两组待检数据,A组有m个数据,B组有n个数据,均值差为d0,现把所有数据放在一起进行随机抽取,抽出m个放入A组,剩下n个放入B组,计算A、B两组的均值差记为d1,再放在一起进行随机重抽m、n两组,得到均值差记为d2,重复这个步骤k次得到(d3……dk),于是d1……dk可以画出一张正态图,然后看d0落在什么方,若落在置信水平之外,即可以显著说明它们是有差异的。
  R代码如下:

a<-c(24,43,58,67,61,44,67,49,59,52,62,50,42,43,65,26,33,41,19,54,42,20,17,60,37,42,55,28)
group<-factor(c(rep("A",12),rep("B",16)))
data<-data.frame(group,a)
find.mean<-function(x){
    mean(x[group=="A",2])-mean(x[group=="B",2]) 
} 
results<-replicate(999,find.mean(data.frame(group,sample(data[,2])))) 
p.value<-length(results[results>mean(data[group=="A",2])-mean(data[group=="B",2])])/1000
hist(results,breaks=20,prob=TRUE)
lines(density(results))

  
From:https://www.plob.org/article/3176.html

coin包置换检验

coin包介绍

  coin包中的置换检验有以下几种:

检 验 coin函数
两样本和K样本置换检验 oneway_test(y ~ A)
含一个分层(区组)因子的两样本和K样本置换检验 oneway_test(y ~ A | C)
Wilcoxon-Mann-Whitney秩和检验 wilcox_test(y ~ A)
Kruskal-Wallis检验 kruskal_test(y ~ A)
Person卡方检验 chisq_test(A ~ B)
Cochran-Mantel-Haenszel检验 cmh_test(A ~ B | C)
线性关联检验 lbl_test(D ~ E)
Spearman检验 spearman_test(y ~ x)
Friedman检验 friedman_test(y ~ A | C)
Wilcoxon符号秩检验 wilcoxsign_test(y1 ~ y2)

注:在上表中,y和x是数值变量,A和B是分类因子,C是类别型区组变量,D和E是有序因子,y1和y2是相匹配的值变量
表中所有的函数使用方法都一样:

functionName(formula,dataframe,distribution),其中distribution指定经验分布在零假设条件下的形式,可能值有exact,asymptotic和approximate,若distribution = "exact",那么在零假设条件下,分布的计算是精确的(即依据所有可能的排列组合)。当然,也可以根据它的渐进分布(distribution = "asymptotic")或蒙特卡洛重抽样(distribution = "approxiamate(B = #)")来做近似计算,其中#指所需重复的次数。distribution = "exact"当前仅可用于两样本问题。

原函数与置换检验比较

函数 简介 程序及结果
t.test() 双样本均值t检验 > score <- c(40, 57, 45, 55, 58, 57, 64, 55, 62, 65)
> tr
  • 5
    点赞
  • 36
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
评论
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

打赏作者

Sevan_Li

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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