目录
独立样本中位数(均值)检验【Mann-Whitney-Wilcoxon检验or Wilcoxon秩和检验】
在总体分布未知或与总体分布无关的情况下进行统计推断--非参数估计
对总体分布形式的检验(拟合优度检验)
对总体分布位置的检验(位置检验)
单样本非参数检验
中位数(均值)检验【wilcoxon符号值秩检验】
假定总体是连续且对称(中位数=均值)
原假设H0 :M=M0
基本思想:假设总体中位数M0,计算Di=xi-M0,按照其绝对值排序得到秩。计算Di<0/>0的秩和W-、W+,如果相差很大,则可以拒绝对总体中位数的原假设
def Wilcoxon_signes_rank_test(samp,mu0=0):
temp=pd.DataFrame(np.asarray(samp),columns=['origin_data'])
temp['D']=temp['origin_data']-mu0
temp['rank']=abs(temp['D']).rank()
posW=sum(temp[temp['D']>0]['rank'])
negW=sum(temp[temp['D']<0]['rank'])
n=temp[temp['D']!=0]['rank'].count()
z=(posW-n*(n+1)/4)/np.sqrt((n*(n+1)*(2*n+1))/24)
p = (1-stats.norm.cdf(abs(z)))*2
return z , p
Wilcoxon_signed_rank_test(water['net'],mu0=600)
# 也可以statsmodels.stats.descriptivestats中sign_test
分布的检验
K-S检验H0:F(X)=F0(X)
检验样本数据是否服从某个分布
stats.kstest(ks['observation'],'norm',args=(ks['observation'].mea