科学网

 找回密码
  注册

tag 标签: Wallis

相关帖子

版块 作者 回复/查看 最后发表

没有相关内容

相关日志

Steel.Dwass test in R: Kruskal-Wallis post hoc test
meiweipingg 2016-5-8 11:22
引子:非参数ANOVA方法常见为 Kruskal-Wallis test,它对应的事后分析或多重比较方法推荐使用Steel-Dwass test。 数据统计分析的 前提条件 十分重要而且很容易被忽略,比如数据是否 正态分布 ,多组数据间是否 方差齐性 ,等等,满足上述条件, 参数检验 OK ,否则,使用 非参数检验 。 可参考另一篇博文: 数据统计分析方法选择——多组数据比较 对于 参数检验方法 要想获取多组变量两两之间的显著性检验,如 1 way ANOVA 的事后分析 Tukey's HSD test, 相对应的 非参数检验方法 为 Kruskal wallis test 的事后分析 Steel Dwass test。 很多高IF的SCI对于非参数 Kruskal wallis test 的事后分析都可能会推荐 Steel Dwass test,相比于其他如 Tamhane's T2 test。 OK, run Steel Dwass test in R or Rstudio. 下述为转载内容。 目的 Steel-Dwass test 事后分析之多重比较 使用方法 Steel.Dwass(data, group) 引数 dat 数据集 group 变量分组 # Steel-Dwass test Steel.Dwass - function(data, # Steel.Dwass函数定义之数据集 group) # 变量分组定义 { OK - complete.cases(data, group) # 剔除缺省值 data - data group - group n.i - table(group) # 各组变量频数 ng - length(n.i) t - combn(ng, 2, function(ij) { i - ij j - ij r - rank(c(data , data )) R - sum(r ]) # 检验统计量 N - n.i +n.i E - n.i *(N+1)/2 # 检验统计量的期望值 V - n.i *n.i /(N*(N-1))*(sum(r^2)-N*(N+1)^2/4) #检验统计量的方差 return(abs(R-E)/sqrt(V)) #返回 t 値 }) p - ptukey(t*sqrt(2), ng, Inf, lower.tail=FALSE) # 计算 P 値 result - cbind(t, p) # 计算結果 rownames(result) - combn(ng, 2, paste, collapse=:) return(result) } 使用举例 data - c( 6.9, 7.5, 8.5, 8.4, 8.1, 8.7, 8.9, 8.2, 7.8, 7.3, 6.8, # 第 1 组数据,11 例 9.6, 9.4, 9.5, 8.5, 9.4, 9.9, 8.7, 8.1, 7.8, 8.8, # 第 2 组数据 ,10 例 5.7, 6.4, 6.8, 7.8, 7.6, 7.0, 7.7, 7.5, 6.8, 5.9, # 第 3 组数据 ,10 例 7.6, 8.7, 8.5, 8.5, 9.0, 9.2, 9.3, 8.0, 7.2, 7.9, 7.8 # 第 4 组数据,11 例 ) group - rep(1:4, c(11, 10, 10, 11)) # 定义变量分组 Steel.Dwass(data, group) 检验结果 Steel.Dwass(data, group) t p 1:2 2.680234 0.036960431 1:3 2.539997 0.053980573 1:4 1.282642 0.574011771 2:3 3.746076 0.001031145 2:4 2.046776 0.170965537 3:4 3.384456 0.003976894 Steel Dwass test 编程引用文献 Reference: 尊重知识版权,请大家查阅源代码 http://aoki2.si.gunma-u.ac.jp/R/Steel-Dwass.html
个人分类: R语言|16965 次阅读|0 个评论
pi的韦达积与瓦利斯积的统一性
热度 1 primeacademy 2013-7-7 00:02
美国新泽西州罗文大学的 Thomas J. Osler 教授最近的一系列研究,揭示了 pi 的经典公式之间的美妙联系,很有趣,应该是一个很好的分析教学素材.
个人分类: 大学数学|4456 次阅读|2 个评论

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-6-2 20:16

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部