SignRank
位于 stats
包(package)。 说明
从大小为 n
的样本获得的 Wilcoxon Signed Rank 统计分布的密度、分布函数、分位数函数和随机生成。
用法
dsignrank(x, n, log = FALSE)
psignrank(q, n, lower.tail = TRUE, log.p = FALSE)
qsignrank(p, n, lower.tail = TRUE, log.p = FALSE)
rsignrank(nn, n)
参数
x, q |
分位数向量。 |
p |
概率向量。 |
nn |
观察次数。如果是 |
n |
样本中的观测值数量。正整数或此类整数的向量。 |
log, log.p |
逻辑性;如果为 TRUE,则概率 p 以 log(p) 形式给出。 |
lower.tail |
逻辑性;如果为 TRUE(默认值),则概率为 ,否则为 。 |
细节
该分布的获得如下。令 x
为来自关于原点对称的连续分布的大小为 n
的样本。那么 Wilcoxon 符号秩统计量就是 x[i]
为正的绝对值 x[i]
的秩之和。该统计量取 和 之间的值,其均值和方差分别为 和 。
如果前两个参数中的任何一个是向量,则使用回收规则对两者的所有组合进行计算,直到较长向量的长度。
值
dsignrank
给出密度,psignrank
给出分布函数,qsignrank
给出分位数函数,rsignrank
生成随机偏差。
结果的长度由 rsignrank
的 nn
确定,并且是其他函数的数值参数长度的最大值。
除 nn
之外的数字参数将被回收到结果的长度。仅使用逻辑参数的第一个元素。
例子
require(graphics)
par(mfrow = c(2,2))
for(n in c(4:5,10,40)) {
x <- seq(0, n*(n+1)/2, length.out = 501)
plot(x, dsignrank(x, n = n), type = "l",
main = paste0("dsignrank(x, n = ", n, ")"))
}
作者
Kurt Hornik; efficiency improvement by Ivo Ugrina.
也可以看看
wilcox.test
根据数据计算统计量,查找 p 值等。
Distributions 用于标准分布,包括 dwilcox
用于两样本 Wilcoxon 秩和统计的分布。
相关用法
- R SSD 多元模型中的 SSD 矩阵和估计方差矩阵
- R StructTS 拟合结构时间序列
- R SSbiexp 自启动 NLS 双指数模型
- R Smirnov 斯米尔诺夫统计量的分布
- R SSmicmen 自启动 NLS Michaelis-Menten 模型
- R SSasymp 自启动 NLS 渐近回归模型
- R SSweibull 自启动 NLS 威布尔增长曲线模型
- R SSlogis 自启动 NLS 逻辑模型
- R SSgompertz 自启动 NLS Gompertz 增长模型
- R SSfol 自启动 NLS 一阶室模型
- R SSfpl 自启动NLS四参数Logistic模型
- R SSasympOrig 通过原点的自启动 NLS 渐近回归模型
- R SSasympOff 带偏移量的自启动 Nls 渐近回归模型
- R stlmethods STL 对象的方法
- R medpolish 矩阵的中值波兰(稳健双向分解)
- R naprint 调整缺失值
- R summary.nls 总结非线性最小二乘模型拟合
- R summary.manova 多元方差分析的汇总方法
- R formula 模型公式
- R nls.control 控制 nls 中的迭代
- R aggregate 计算数据子集的汇总统计
- R deriv 简单表达式的符号和算法导数
- R kruskal.test Kruskal-Wallis 秩和检验
- R quade.test 四方测试
- R decompose 移动平均线的经典季节性分解
注:本文由纯净天空筛选整理自R-devel大神的英文原创作品 Distribution of the Wilcoxon Signed Rank Statistic。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。