Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

signrank

Wilcoxon firmó una prueba de rango

Descripción

ejemplo

p = signrank(x) Devuelve el-valor de un doble cara.pWilcoxon firmó una prueba de rango

prueba la hipótesis nula de que los datos del vector proceden de una distribución cuya mediana es cero en el nivel de significancia del 5%.signrankx La prueba asume que los datos proceden de una distribución continua simétrica sobre su mediana.x

ejemplo

p = signrank(x,y) Devuelve el valor-de una prueba emparejada de dos lados para la hipótesis nula que-proviene de una distribución con mediana cero.pxy

p = signrank(x,y,Name,Value) Devuelve el valor-Value para la prueba de signos con opciones adicionales especificadas por uno o varios argumentos de par.pNameValue

[p,h] = signrank(___) también devuelve un valor lógico que indica la decisión de prueba. = indica un rechazo de la hipótesis nula, y = indica un error al rechazar la hipótesis nula en el nivel de significancia del 5%.h1h0 Puede utilizar cualquiera de los argumentos de entrada de las sintaxis anteriores.

ejemplo

[p,h,stats] = signrank(___) también devuelve la estructura con información sobre la estadística de prueba.stats

ejemplo

[___] = signrank(x,m) Devuelve cualquiera de los argumentos de salida de las sintaxis anteriores para la hipótesis nula de que los datos en son observaciones de una distribución con mediana.xm

ejemplo

[___] = signrank(x,m,Name,Value) Devuelve cualquiera de los argumentos de salida de las sintaxis anteriores para la prueba de clasificación firmada con opciones adicionales especificadas por uno o más, pares argumentos.NameValue

Ejemplos

contraer todo

Pruebe la hipótesis de la mediana cero.

Genere los datos de ejemplo.

rng('default') % for reproducibility x = randn(1,25) + 1.30;

Pruebe la hipótesis de que los datos en tienen mediana cero.x

[p,h] = signrank(x)
p = 3.2229e-05 
h = logical
   1

En el nivel de significancia predeterminado del 5%, el valor = 1 indica que la prueba rechaza la hipótesis nula de la mediana cero.h

Pruebe la hipótesis de la mediana cero para la diferencia entre las muestras emparejadas.

Genere los datos de ejemplo.

rng('default') % for reproducibility x = lognrnd(2,.25,10,1); y = x + trnd(2,10,1);

Pruebe la hipótesis de que – tiene mediana cero.xy

[p,h] = signrank(x,y)
p = 0.3223 
h = logical
   0

Los resultados indican que la prueba no puede rechazar la hipótesis nula de la mediana cero en la diferencia en el nivel de significancia predeterminado del 5%.

Realice una prueba unilateral en una muestra grande utilizando la aproximación.

Cargue los datos de ejemplo.

load(fullfile(matlabroot,'examples','stats','gradespaired.mat'));

Pruebe la hipótesis nula de que la mediana de las diferencias de grado de los alumnos antes y después de participar en un programa de tutoría es 0 contra la alternativa que es menor que 0.

[p,h,stats] = signrank(gradespaired(:,1),...   gradespaired(:,2),'tail','left')
p = 0.0047 
h = logical
   1

stats = struct with fields:
          zval: -2.5982
    signedrank: 2.0175e+03

Dado que el tamaño de la muestra es mayor que 15, utiliza un método aproximado para calcular elsignrank

<math display="block">
<mrow>
<mi>p</mi>
</mrow>
</math>
-Value y también devuelve el valor de la
<math display="block">
<mrow>
<mi>z</mi>
</mrow>
</math>
Estadística. El valor = 1 indica que la prueba rechaza la hipótesis nula de que no hay diferencia entre las medianas de la calificación en el nivel de significancia del 5%.h Hay suficiente evidencia estadística para concluir que el grado mediano antes del programa de tutoría es menor que el grado mediano después del programa de tutoría.

Repite la prueba usando el método exacto.

[p,h,stats] = signrank(gradespaired(:,1),gradespaired(:,2),...   'tail','left','method','exact')
p = 0.0045 
h = logical
   1

stats = struct with fields:
    signedrank: 2.0175e+03

Los resultados obtenidos utilizando el método aproximado son consistentes con el método exacto.

Cargue los datos de ejemplo.

load mileage

Los datos contienen los kiloages por galón para tres tipos diferentes de coches en las columnas 1 a 3.

Pruebe la hipótesis de que el kilometraje mediano para el tipo de coches en la segunda columna difiere de 33.

[p,h,stats] = signrank(mileage(:,2),33)
p = 0.0313 
h = logical
   1

stats = struct with fields:
    signedrank: 21

En el nivel de significancia del 5%, los resultados indican que el kilometraje mediano para el segundo tipo de automóviles difiere de 33. Tenga en cuenta que utiliza un método exacto para calcular elsignrank

<math display="block">
<mrow>
<mi>p</mi>
</mrow>
</math>
-valor para muestras pequeñas y no devuelve el
<math display="block">
<mrow>
<mi>z</mi>
</mrow>
</math>
Estadística.

Use los argumentos de par nombre-valor en.signrank

Cargue los datos de ejemplo.

load mileage

Los datos contienen el kilometraje por galón para tres tipos diferentes de coches en las columnas 1 a 3.

Pruebe la hipótesis de que el kilometraje mediano para el tipo de coches en la segunda fila es mayor que 33.

[p,h,stats] = signrank(mileage(:,2),33,'tail','right')
p = 0.0156 
h = logical
   1

stats = struct with fields:
    signedrank: 21

Repite la misma prueba en el nivel de significancia del 1% usando el método aproximado.

[p,h,stats] = signrank(mileage(:,2),33,'tail','right',... 'alpha',0.01,'method','approximate')
p = 0.0180 
h = logical
   0

stats = struct with fields:
          zval: 2.0966
    signedrank: 21

Este resultado, = 0, indica que la hipótesis nula no se puede rechazar en el nivel de significancia del 1%.h

Argumentos de entrada

contraer todo

Datos de ejemplo, especificados como vector.

Tipos de datos: single | double

Datos de ejemplo, especificados como vector. debe tener la misma longitud que.yx

Tipos de datos: single | double

Valor hipotetizado de la mediana, especificado como un escalar.

Ejemplo: signrank(x,10)

Tipos de datos: single | double

Argumentos de par nombre-valor

Especifique pares de argumentos separados por comas opcionales. es el nombre del argumento y es el valor correspondiente. deben aparecer dentro de las cotizaciones.Name,ValueNameValueName Puede especificar varios argumentos de par de nombre y valor en cualquier orden como.Name1,Value1,...,NameN,ValueN

Ejemplo: especifica una prueba de clasificación firmada de cola derecha con un nivel de significancia del 1%, que devuelve el valor p aproximado.'alpha',0.01,'method','approximate','tail','right'

Nivel de significancia de la decisión de una prueba de hipótesis, especificada como el par separado por comas que consta de y un valor escalar en el rango de 0 a 1.'alpha' El nivel de significancia es 100 *%.halpha

Ejemplo: ,'alpha'0.01

Tipos de datos: double | single

Método de cálculo de, especificado como el par separado por comas que consta de y uno de los siguientes.p'method'

'exact'Cálculo exacto del valor-.pp Valor predeterminado para 15 o menos observaciones en, – o – cuando no está especificado.xxmxymethod
'approximate'Aproximación normal al calcular el valor,.pp Valor predeterminado para más de 15 observaciones en, – o – cuando no está especificado porque el método exacto puede ser lento en muestras grandes.xxmxy'method'

Ejemplo: ,'method''exact'

Tipo de prueba, especificado como el par separado por comas que consta de uno de los siguientes:'tail'

'both'

Prueba de hipótesis a dos caras, que es el tipo de prueba predeterminado.

  • Para una prueba de una sola muestra, la hipótesis alternativa indica que los datos provienen de una distribución continua con mediana diferente de 0 o.xm

  • Para una prueba de dos muestras, la hipótesis alternativa indica que los datos en – provienen de una distribución con mediana diferente de 0.xy

'right'

Prueba de hipótesis de cola derecha.

  • Para una prueba de una muestra, la hipótesis alternativa indica que los datos proceden de una distribución continua con una mediana mayor que 0 o.xm

  • Para una prueba de dos muestras, la hipótesis alternativa indica los datos en – proceden de una distribución con mediana mayor que 0.xy

'left'

Prueba de hipótesis de cola izquierda.

  • Para una prueba de una sola muestra, la hipótesis alternativa indica que los datos provienen de una distribución continua con mediana menor que 0 o.xm

  • Para una prueba de dos muestras, la hipótesis alternativa indica los datos en – proceden de una distribución con mediana menor que 0.xy

Ejemplo: ,'tail''left'

Argumentos de salida

contraer todo

-valor de la prueba, devuelto como un escalar no negativo de 0 a 1. es la probabilidad de observar un estadístico de prueba como o más extremo que el valor observado bajo la hipótesis nula. calcula el valor de dos caras duplicando el valor unilateral más significativo.ppsignrankp

Resultado de la prueba de hipótesis, devuelta como un valor lógico.

  • Si = 1, esto indica el rechazo de la hipótesis nula en el nivel de significancia 100 *%.halpha

  • Si = 0, esto indica un error al rechazar la hipótesis nula en el nivel de significancia 100 *%.halpha

Estadísticas de prueba, devueltas como una estructura. Las estadísticas de prueba almacenadas en son:stats

  • :signrank Valor de la estadística de prueba de rango de signo.

  • :zval El valor del -Estadísticaz (calculado cuando es).'method''approximate'

Más acerca de

contraer todo

La prueba de clasificación firmada de Wilcoxon

La prueba de clasificación firmada por Wilcoxon es una prueba no paramétrica para dos poblaciones cuando se emparejan las observaciones. En este caso, el estadístico de prueba, W, es la suma de las filas de diferencias positivas entre las observaciones de las dos muestras (es decir, –).xy Cuando se utiliza la prueba para una muestra, a continuación, W es la suma de las filas de diferencias positivas entre las observaciones y el valor mediano hipotetizadoM0 (que es 0 cuando se utiliza y cuando se utiliza).signrank(x)msignrank(x,m)

Estadística z

Para muestras grandes, o cuando es, la función calcula el-Value utilizando la-estadística, dada pormethodapproximatesignrankpz

z=(Wn(n+1)/4)n(n+1)(2n+1)tieadj24,

donde está el tamaño de la muestra de la diferencia o –.nx – yxm Para el caso de dos muestras, se utiliza para obtener el valor de ajuste del lazo.signrank[tie_rank,tieadj] = tiedrank(abs(diffxy),0,0,epsdiff)tieadj

Algoritmos

trata los valores que faltan y los omite.signrankNaNxy

Para el caso de dos muestras, utiliza una tolerancia basada en los valores.signrankepsdiff = eps(x) + eps(y) La función trata cualquier par de valores con diferencias que difieren por no más de la suma de sus dos valores () como lazos.signrankd(i) = x(i) - y(i)epsabs(d(i)) < epsdiff(i)

Referencias

[1] Gibbons, J. D., and S. Chakraborti. Nonparametric Statistical Inference, 5th Ed., Boca Raton, FL: Chapman & Hall/CRC Press, Taylor & Francis Group, 2011.

[2] Hollander, M., and D. A. Wolfe. Nonparametric Statistical Methods. Hoboken, NJ: John Wiley & Sons, Inc., 1999.

Consulte también

| | |

Introducido antes de R2006a