标签: p-value

在 R 中，我可以使用phyper () 函数计算超几何分布的 p 值，其中返回数组中的第一个值是 p 值。

我想知道 Go / Golang 中是否有任何包可以让我完全在 Go 中进行计算？

我目前正在构建一个回归模型，该模型有助于使用收入、温度等某些因素来解释销售情况。在检查回归后的残差图时，残差是异方差的。

为了解释异方差性，我在 R 中使用了vcovHC()和coeftest()，它可用于在异方差性假设下重新计算标准误差及其 p 值。但这些函数返回 NA 值，因此所有相应的 p 值也是 NA。导致此问题的原因可能是什么以及如何解决？其代码如下：

fit_p <- lm(formula = final_list_p, data = new_data_p)
s_p <- summary(fit_p)

线性回归输出的汇总统计数据为：

Residuals:                  
Min      1Q  Median      3Q     Max                     
-244190  -60770   -5759   59730  311108         
            
                
Coefficients:                   
Estimate                    
(Intercept)                 
        Std. Error  t   value   Pr(>|t|)    
var1    -3.36E+05   1.77E+05    -1.893  0.059026    .
var2    -2.90E+04   4.96E+03    -5.86   8.97E-09    ***
var3    -1.75E+05   8.93E+04    -1.958  0.050834    .
var4    -4.62E+00   2.80E+00    -1.653  0.098975    .
var5    2.39E+01    7.85E+00    3.04    0.002503    **
var6    -6.32E+04   1.08E+05    -0.588 …

我尝试进行 t.test，但它给了我这样的错误。
在 R 中使用 t.test() 时出错

没有足够的“x”观察值

数据只有数值，没有 NA。组的比例是10比35。如何避免这种情况？先谢谢您的帮助！

t.test(data$Vrajdeb[data$a=="1"],data$Vrajdeb[data$a=="2"])

参考数据https://1drv.ms/x/s!ApJwAUaohJFdr1ID-QebKTmE_o3K

我想找到最适合某些数据的分布。这通常是某种测量数据，例如力或扭矩。

理想情况下，我想运行具有多个分布的 Anderson-Darling，并选择具有最高 p 值的分布。这类似于Minitab中的“拟合优度”检验。我无法找到计算 p 值的 Anderson-Darling 的 python 实现。

我尝试过scipy， stats.anderson()但它只返回 AD 统计量和具有相应显着性水平的临界值列表，而不是 p 值本身。

我也研究过statsmodels，但似乎只支持正态分布。我需要比较几种分布（正态分布、威布尔分布、对数正态分布等）的拟合度。

python 中是否有返回 p 值并支持非正态分布的 Anderson-Darling 实现？

Fisher's Exact Test 与超几何分布有关，我希望这两个命令会返回相同的 pvalues。谁能解释我做错了什么，他们不匹配？

#data (variable names chosen to match dhyper() argument names)
x = 14
m = 20
n = 41047
k = 40

#Fisher test, alternative = 'greater'
(fisher.test(matrix(c(x, m-x, k-x, n-(k-x)),2,2), alternative='greater'))$p.value 
#returns 2.01804e-39

#geometric distribution, lower.tail = F, i.e. P[X > x]
phyper(x, m, n, k, lower.tail = F, log.p = F)
#returns 5.115862e-43

我尝试将 p 值添加到我ggplot使用的stat_compare_means函数中。然而，我在 ggplot 中得到的 p 值与基本 wilcox.test 的结果不同。

我在这两种情况下都使用了配对测试，并且还在 ggplot 中使用了 wilcoxon 测试。

我尝试搜索我的问题，但找不到确切的答案。\n我更新了 R（v. 3.5.2）、R-Studio（v. 1.1.463）和所有软件包。下面我添加了几行代码和示例。我对 R 和统计数据很陌生，所以如果我以新手的方式提问，请原谅我。

library("ggplot2")  \nlibrary("ggpubr")\n\n\nc1 <- c( 798.3686, 2560.9974,  688.3051,  669.8265, 2750.6638, 1136.3535,  \n         1335.5696, 2347.2777, 1149.1940,  901.6880, 1569.0731 ,3915.6719,  \n         3972.0250 ,5517.5016, 4616.6393, 3232.0120, 4020.9727, 2249.4150,  \n         2226.4108, 2582.3705, 1653.4801, 3162.2784, 3199.1923, 4792.6118)  \nc2 <- c(0,0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,1,1,1,1,1,1,1,1)  \n\ntest <-data.frame(c2,c1)  \n\ntest$c2 <- as.factor(test$c2)  \n\nggplot(test, aes(x=c2, y=c1)) +  \n  stat_compare_means(paired = TRUE)  \n\nwilcox.test( test$c1~ test$c2, paired= TRUE)  \n …

使用 ToothGrowth 数据集（内置于 R 中），我使用了以下代码。

library(ggplot2)
library(tidyverse)
library(ggpubr)
p <- ggboxplot(ToothGrowth, x = "supp", y = "len",
           color = "supp", palette = "jco",
           add = "jitter",
           facet.by = "dose", short.panel.labs = FALSE)
p + stat_compare_means(label = "p.format")

现在，我希望 p 值有 4 位数字。我研究了以前的类似帖子，然后尝试了以下两个选项

p + stat_compare_means(label = "p.format", digits = 4)
p + stat_compare_means(label = "p.format", round(p.format, 4))

不幸的是，两者都不起作用。可能有人有解决方案吗？谢谢你。

本题参考《O'Relly Practical Statistics for Data Scientist 2nd Edition》一书第 3 章，卡方检验部分。

本书提供了一个卡方测试用例的示例，其中假设一个网站具有三个不同的标题，由 1000 名访问者运行。结果显示每个标题的点击次数。

观察到的数据如下：

Headline   A    B    C
Click      14   8    12
No-click   986  992  988

期望值的计算公式如下：

Headline   A        B        C
Click      11.13    11.13    11.13
No-click   988.67   988.67   988.67

皮尔逊残差定义为：

表现在的位置：

Headline   A        B        C
Click      0.792    -0.990   0.198
No-click   -0.085   0.106   -0.021

卡方统计量是 Pearson 残差平方和：。这是 1.666

到目前为止，一切都很好。现在是重采样部分：

1. Assuming a box of 34 ones and 2966 zeros
2. Shuffle, and take three samples of 1000 and count how …

我尝试用这些帖子的答案解决了我的问题,但没有成功: 指示条形图中统计上的显着差异使用R, 如何绘制具有显着水平的箱线图？并将 星标放在ggplot条形图和箱线图上 - 表示显着性水平(p值).

我想添加一些线条和标签来显示使用R的分组条形图中的重要性,就像红色矩形内部的那样.

这是我提出的更简单的代码版本:

#### DATA
g <- as.factor(c('Kit1_A', 'Kit2_A', 'Kit1_B', 'Kit2_B','Kit1_C', 'Kit2_C'))
groups  <- rep(g, 3)
targets <- c(rep('X', 6), rep('Y', 6), rep('Z', 6))
mean <- c(20.8, 23.8, 21.61667, 23.54583, 22.26250, 25.41250, 20.39583, 23.82917, 20.70000, 23.82917, 21.52083, 24.83333, 20.68750, 24.60000, 20.78750, 24.42083, 22.86667, 25.28750)
sd <- c(1.249251, 1.137451, 2.372480, 2.439704, 2.149715, 1.465997, 1.579936, 0.944777, 2.320555, 1.419932, 2.636766, 2.820217, 2.014647, 1.384187, 2.193378, 1.685869, 3.456228, 2.197052)
df  <-data.frame(groups, targets, mean, sd)

#### Barplot
library(ggplot2) …

尽管搜索了两天的相关问题，但我尚未真正找到该问题的答案...

在下面的代码中，我生成了n个正态分布的随机变量，然后将其表示为直方图：

import numpy as np
import matplotlib.pyplot as plt

n = 10000                        # number of generated random variables 
x = np.random.normal(0,1,n)      # generate n random variables

# plot this in a non-normalized histogram:
plt.hist(x, bins='auto', normed=False)    

# get the arrays containing the bin counts and the bin edges:
histo, bin_edges = np.histogram(x, bins='auto', normed=False)
number_of_bins = len(bin_edges)-1

之后，找到曲线拟合函数及其参数。它通常使用参数a1和b1进行分布，并使用scale_factor进行缩放，以满足样本未标准化的事实。它确实非常适合直方图：

import scipy as sp

a1, b1 = sp.stats.norm.fit(x)

scaling_factor = n*(x.max()-x.min())/number_of_bins

plt.plot(x_achse,scaling_factor*sp.stats.norm.pdf(x_achse,a1,b1),'b')

这是带有拟合功能的红色直方图。

在那之后，我想使用卡方检验来测试此函数对直方图的拟合程度。该测试使用这些点的观测值和预期值。为了计算期望值，我首先计算每个bin中间的位置，此信息包含在数组x_middle中。然后，我在每个bin的中间点计算拟合函数的值，从而得到了Expected_value数组：

observed_values = histo

bin_width = bin_edges[1] - …