Wilcoxon
位于 stats
包(package)。 说明
分别从大小为 m
和 n
的样本获得的 Wilcoxon 秩和统计量分布的密度、分布函数、分位数函数和随机生成。
用法
dwilcox(x, m, n, log = FALSE)
pwilcox(q, m, n, lower.tail = TRUE, log.p = FALSE)
qwilcox(p, m, n, lower.tail = TRUE, log.p = FALSE)
rwilcox(nn, m, n)
参数
x, q |
分位数向量。 |
p |
概率向量。 |
nn |
观察次数。如果是 |
m, n |
分别是第一个和第二个样本中的观测值数量。可以是正整数向量。 |
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
和 y
为大小为 m
和 n
的两个随机独立样本。那么 Wilcoxon 秩和统计量就是 y[j]
不大于 x[i]
的所有对 (x[i], y[j])
的数量。该统计量取 0
和 m * n
之间的值,其均值和方差分别为 m * n / 2
和 m * n * (m + n + 1) / 12
。
如果前三个参数中的任何一个是向量,则使用循环规则对三个参数的所有组合进行计算,直到最长向量的长度。
值
dwilcox
给出密度,pwilcox
给出分布函数,qwilcox
给出分位数函数,rwilcox
生成随机偏差。
结果的长度由 rwilcox
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。
警告
这些函数可能会使用大量内存和堆栈(甚至会崩溃)R如果超出堆栈限制并且堆栈检查未到位)如果一个样本很大(几千或更多)。
注意
S-PLUS 使用 Wilcoxon 统计量的不同(但等效)定义:有关详细信息,请参阅wilcox.test
。
例子
require(graphics)
x <- -1:(4*6 + 1)
fx <- dwilcox(x, 4, 6)
Fx <- pwilcox(x, 4, 6)
layout(rbind(1,2), widths = 1, heights = c(3,2))
plot(x, fx, type = "h", col = "violet",
main = "Probabilities (density) of Wilcoxon-Statist.(n=6, m=4)")
plot(x, Fx, type = "s", col = "blue",
main = "Distribution of Wilcoxon-Statist.(n=6, m=4)")
abline(h = 0:1, col = "gray20", lty = 2)
layout(1) # set back
N <- 200
hist(U <- rwilcox(N, m = 4,n = 6), breaks = 0:25 - 1/2,
border = "red", col = "pink", sub = paste("N =",N))
mtext("N * f(x), f() = true \"density\"", side = 3, col = "blue")
lines(x, N*fx, type = "h", col = "blue", lwd = 2)
points(x, N*fx, cex = 2)
## Better is a Quantile-Quantile Plot
qqplot(U, qw <- qwilcox((1:N - 1/2)/N, m = 4, n = 6),
main = paste("Q-Q-Plot of empirical and theoretical quantiles",
"Wilcoxon Statistic, (m=4, n=6)", sep = "\n"))
n <- as.numeric(names(print(tU <- table(U))))
text(n+.2, n+.5, labels = tU, col = "red")
作者
Kurt Hornik
来源
这些 ("d","p","q") 是基于 cwilcox(k, m, n)
通过递归计算的,cwilcox(k, m, n)
是来自大小为 m
和 n
的样本中具有统计数据 k
的选择数量,它本身是递归计算的,并且结果被缓存。然后dwilcox
和pwilcox
将cwilcox
的适当值相加,并且qwilcox
基于反转。
rwilcox
生成排名的随机排列并评估统计数据。请注意,它基于与以下相同的 C 代码sample()
,因此由下式决定.Random.seed
,特别是来自RNGkind(sample.kind = ..)
这改变了R版本3.6.0。
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 dsignrank
用于单样本 Wilcoxon 符号秩统计量的分布。
相关用法
- R Weibull 威布尔分布
- 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
- R plot.stepfun 绘制阶跃函数
- R alias 查找模型中的别名(依赖项)
- R qqnorm 分位数-分位数图
- R eff.aovlist 多层方差分析的计算效率
- R pairwise.t.test 成对 t 检验
- R loglin 拟合对数线性模型
- R predict.smooth.spline 通过平滑样条拟合进行预测
- R bartlett.test 方差齐性的 Bartlett 检验
- R influence.measures 回归删除诊断
- R loess.control 设置黄土参数
- R Normal 正态分布
- R summary.lm 总结线性模型拟合
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 Rank Sum 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。