問題タブ [hypothesis-test]

平均間の差についてPythonでt検定の信頼区間を取得する簡単な方法を探しています。Rでこれに似ています：

外：

次：

仮説検定における有意区間の重要性 (および p 値のみを報告する慣行が最近受けた批判の量) を考慮すると、奇妙なことに、statsmodels または scipy のいずれかで似たようなものは実際には見つかりません。

私はこのフォーラムに不慣れなため、ご容赦ください。この調査では、係数の合計 = 0 を確認する必要があります。このテストは、c(2)+c(3)+c(4)=0 のような eview を使用して実行できます。ここで、2 は第 2 項の係数であり、以降も同様です。Rを使用した同じコードは

これによりエラーが発生します: wald.test(b = coef(object = output), Sigma = vcov(object = output) のエラー: テストされた係数のベクトルと帰無仮説のベクトルの長さが異なります。 aod パッケージに従って、ドキュメントではフォーマット

このテストの実施にご協力ください。

私は統計が初めてです。1 つのサンプル コルモゴロフ-スミルノフ テストを試しています。D maxまで見つけることができました。しかし、仮説検定を進めようか迷っています。

仮説を決定するために、先に進む必要があります-

テーブルからの重要な値

検定統計量 D が表から取得した臨界値より大きい場合は棄却

また

KS Statustic 値の p 値。

どっちがいいですか?p値の方がいいと読んでください。この中で、「kstest は、検定統計量 ksstat を臨界値 cv と比較するのではなく、p 値 p を有意水準 Alpha と比較することによって、帰無仮説を棄却することを決定します。cv は近似値であるため、ksstat と cv を比較すると、次の結果が得られることがあります。 p を Alpha と比較するのとは異なる結論です。」

しかし、同じことに関する方程式は見つかりませんでした。

参照

上記の参考文献では、D max を p 値として取っているかどうかは疑問です。

ご意見をお聞かせください

lm()株価を使用するRで回帰を行っています。回帰には指数重みを使用しました。データが古いほど、重みが小さくなります。私の重み式は次のようになります: alpha^(seq(685,1,by=-1)))(データ長は 685)、アルファを見つけるために、0.0001 のステップで 0.9 と 1.1 の間のすべての値を試し、予測値と実際の値の差を最小限に抑えるアルファを選択しました。このアルファは 0.9992 に等しいので、統計的に 1 と異なるかどうかを知りたいです。

言い換えれば、重みが1と異なるかどうかを知りたいのですが、それを達成することは可能ですか?もしそうなら、どうすればこれを行うことができますか?

この質問をする必要があるかどうかはよくわかりませんstats.stackexchangeが、それが含まれRているので、見当違いでないことを願っています.

アプリでメモリ リークを見つけるための計測器を使い始めたばかりです。

実際、私は以下の画面のようになっています

誰でも修正する手順を教えてもらえますか..

私はここで参照しました: 楽器とデバッグですが、これを修正できませんでした..

ここでは、時間消費を推定する仮説を作成することを提案しています.これを作成する方法を知っている人はいますか?

ポアソンの E-検定の Python 実装はありますか? Binomials の場合、scipy にはstats.fisher_exact としてFisher の Exact 検定があり、Gaussians の場合、scipy.stats には ttest_ind としてWelch の T 検定があります。2 つのポアソンを比較するための Python 実装が見つからないようです。

コンテキストについては、こちらをご覧ください

アルゴリズムについては、こちらをご覧ください

Rの実装については、こちらをご覧ください

ブートストラップ信頼区間を使用していくつかの仮説検定を行おうとしていますが、ブートストラップの設定に問題があります。目標は、シータ = 1 およびレベル 0.05 でヌルをテストすることです。以下に使用されているデータのサンプルを提供しました。

ブートストラップ内で、次の数値最適化も試みていますdpois(data,lambda=exp(x)。以下に生成したコードを提供しました。

エラーは次のとおりです。

bootxbar[i] のエラー <- function(x) dpois(y, lambda = exp(x)) : サブ代入型の非互換型 (クロージャーから論理型まで) 修正

独立した手段を比較するためのさまざまな堅牢な方法と混同しています。統計の教科書に良い説明がありました。たとえばyuen()、サンプルサイズが等しい場合。私のサンプルはどちらかというと不均等なので、bootstrap-t メソッドを試してみたいと思います (Wilcox の本: Introduction to Robust Estimation and Hypothesis Testing、p.163 から)。それはyuenbt()可能な解決策になるだろうと言います。

しかし、すべての教科書には、ここでベクトルを使用できると書かれています。

ローカルの説明を確認すると、次のように表示されます。

試用版の何が問題なのですか:

2 つのベクトルで yuenbt 関数を使用できないのはなぜですか? どうもありがとうございました

どのくらいの頻度で有意な結果が得られるか (つまり、p/値 < 0.05) を確認するために、比率検定のシミュレーションを作成しようとしています。母集団のサイズが等しくないと仮定しているので、たとえば

ここでは、100 のシミュレートされたテストがあり、テスト母集団に 5000、コントロールに 10000 があり、コンバージョン率の実際の差 (テストの場合は 0.05、コントロールの場合は 0.04) があります。

ここで、これらのシミュレートされた検定のそれぞれについて比率検定を実行し、p 値を取得したいと考えています。したがって、最初のテストでは、次のようにします。

次に、これを for ループでループして、シミュレートされた各テストの p 値を取得します。

これをよりコンパクトな方法で行うことを検討しています。Map hereを使用した1サンプルの比率検定でそれを行う方法を見つけましたが、2サンプルの検定でそれを行う方法に行き詰まっています。1行で実行でき、出力としてp値のベクトルを取得できるように思えます。

私は次のことを試しました

しかし、100 の 2 サンプル比率テストではなく、200 の 1 サンプル比率テストを提供しています...それを修正するために私ができるアイデアはありますか?

理想的には、p.values で長さ 100 のベクトルを取得するので、どの部分が 5% 未満であるかを確認でき、それがテストの検出力になります..

サンプルデータがあり、それが従う分布タイプ（一般化された極値）とそのパラメーター（K、シグマ、ミュー）を決定することができました

そして、同じパラメータと同じ範囲 (23.1 から 105.64 の間) で、同じ分布から n 個のサンプル (10000) を生成しました。

生成されたデータがサンプルの特定の分布に従っていることを確認するにはどうすればよいですか?

注:(ミュー、シグマ、平均、標準偏差を比較すると、非常に異なる数値が得られます)

前もって感謝します