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

signrank

Wilcoxon firmó la prueba de rango

Descripción

ejemplo

p = signrank(x) devuelve el valor -value de un doble cara.pWilcoxon firmó la prueba de rango

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

ejemplo

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

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

[p,h] = signrank(___) también devuelve un valor lógico que indica la decisión de prueba. El valor de la hipótesis nula indica un rechazo de la hipótesis nula, y el valor de la hipótesis de la nulidad indica una falta de rechazo de 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 varios argumentos de par.NameValue

Ejemplos

contraer todo

Pruebe la hipótesis de cero mediana.

Genere los datos de ejemplo.

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

Pruebe la hipótesis de que los datos en tiene cero mediana.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 cero mediana para la diferencia entre 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 cero mediana.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 de lado en una muestra grande utilizando 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 estudiantes 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 grado en el nivel de significancia del 5%.h Hay suficiente evidencia estadística para concluir que la calificación mediana antes del programa de tutoría es menor que la calificación mediana después del programa de tutoría.

Repita la prueba utilizando 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 coherentes con el método exacto.

Cargue los datos de ejemplo.

load mileage

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

Pruebe la hipótesis de que el kilometraje medio 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 medio para el segundo tipo de coches 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 la
<math display="block">
<mrow>
<mi>z</mi>
</mrow>
</math>
-estadística.

Utilice 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 la mediana de kilometraje 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

Repita la misma prueba en el nivel de significancia del 1% utilizando 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 muestra, especificados como vectores.

Tipos de datos: single | double

Datos de muestra, especificados como vectores. debe tener la misma longitud que .yx

Tipos de datos: single | double

Valor hipotética de la mediana, especificado como escalar.

Ejemplo: signrank(x,10)

Tipos de datos: single | double

Argumentos de par nombre-valor

Especifique pares opcionales separados por comas de argumentos. es el nombre del argumento y es el valor correspondiente. deben aparecer entre comillas.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, especificado como el par separado por comas que consta de y un valor escalar en el rango 0 a 1.'alpha' El nivel de significancia de 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 se especifica.xxmxymethod
'approximate'Aproximación normal durante la computación del valor -, .pp Valor predeterminado para más de 15 observaciones en , – , o – cuando no se especifica 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 y uno de los siguientes:'tail'

'both'

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

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

'left'

Prueba de hipótesis de cola izquierda.

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

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

Ejemplo: 'tail','left'

Argumentos de salida

contraer todo

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

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

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

  • Si es 0, esto indica una falla al rechazar la hipótesis nula en el nivel de significancia del 100 * %.halpha

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

  • signrank: Valor de la estadística de la prueba de clasificación de signos.

  • zval: Valor de la - estadísticaz (calculado cuando es ).'method''approximate'

Más acerca de

contraer todo

Wilcoxon firmó la prueba de rango

La prueba de rango firmada por Wilcoxon es una prueba no paramétrica para dos poblaciones cuando las observaciones están emparejadas. En este caso, la estadística de prueba, W, es la suma de las filas de diferencias positivas entre las observaciones en las dos muestras (es decir, – ).xy Cuando se utiliza la prueba para una muestra, W es la suma de las filas de diferencias positivas entre las observaciones y el valor mediano hipotéticaM0 (que es 0 cuando se utiliza y cuando se utiliza ).signrank(x)msignrank(x,m)

z-Estadística

Para muestras grandes, o cuando es , la función calcula el valor 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 de empate .signrank[tie_rank,tieadj] = tiedrank(abs(diffxy),0,0,epsdiff)tieadj

Algoritmos

trata s in y como valores que faltan y los ignora.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 diferencia que difieren en no más que la suma de sus dos valores ( ) como vínculos.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