26
4
I am trying to plot the power function of a sign test. The code I have is already this one:
我在试着画出符号测试的幂函数。我的代码已经是这个了：
个人中心
文章发布
退出library(BSDA) # for SIGN.test()
M_values <- seq(-1, 1, by = 0.1)
sign_rank_test_p<-vector("numeric",length=length(M_values))
sign_test_p<-vector("numeric", length=length(M_values))
n<-1000
lower_bounds <- matrix(nrow=n,ncol=length(M_values))
upper_bounds <- matrix(nrow=n,ncol=length(M_values))
center <- matrix(nrow=n,ncol=length(M_values))
for (i in seq_along(M_values)) {
for (j in 1:n){
M <- M_values[i]
value <- rnorm(1, mean = M, sd = 1)
lower_bounds[j,i] <- value-0.01
upper_bounds[j,i] <- value+0.01
center[j,i] <- (lower_bounds[j,i] + upper_bounds[j,i]) / 2
}
sign_test_p[i]<-SIGN.test(center[,i],md=0,alternative = "greater")$p.value
sign_rank_test_p[i]<-wilcox.test(center[,i], mu = 0, alternative = "greater")$p.value
}
# Create a data frame to store the results
results_df <- data.frame(M = M_values,
sign_test_p_value = sign_test_p,
signed_rank_test_p_value = sign_rank_test_p)
This gives the p values for the sign test. We generated 1000 p-values for values of M that is between -1 and 1.
这给出了符号测试的p值。我们为介于-1和1之间的M值生成了1000个p值。
What I want now is to plot the power function for the sign test and take some conclusions about it but I dont know how to do it. Is it with pwr.r.test or power.sign.test?
我现在想要的是画出符号检验的幂函数，并得出一些结论，但我不知道怎么做。它使用的是pwr.r.test还是Power.sign.test？
SIGN.test is not a base R function. When using functions that are not base R functions please start the scripts with a call to library(pkgname) in order to load the packages needed. (Already done, I have edited the question.)
SIGN.test不是基本R函数。当使用非基本R函数的函数时，请通过调用库(Pkgname)来启动脚本，以便加载所需的包。(已经做完了，我已经编辑了问题。)
I don't see any evidence that you know what a power function means. Perhaps if you had included some comments or explained your plan I would have come to a different conclusion. Have you tried searching for a prior answer at CrossValidated.com?
我看不出有任何证据表明你知道幂函数的含义。也许如果你有一些评论或解释你的计划，我会得出不同的结论。你试过在CrossValidated.com?上搜索先前的答案吗
26
4
0
这是我第一次提问，对于任何格式问题或任何让我难以回答的问题，我深表歉意。请让我知道我需要添加什么才能回答问题。 我正在尝试比较 2 个不相等的组大小(一个 ~ 97，另一个 ~ 714)之间的差异。差
这个问题在这里已经有了答案: dplyr summarize across ttest (1 个回答) 关闭 5 个月前。 我有这样的数据框 X1 X2 X3 X4 X5 class 1 1
我正在尝试对数据框中的两个数据子集运行 wilcox.test()。它们的长度不相等(48 对 260)。我想看看活橡树和水橡树的 dbh(胸高直径)是否存在差异。 Pine_stand 并收到该错
我有一个带有两个级别的因子列和许多数字列的数据框。我想按因子列拆分数据帧并对列对进行 t 检验。 使用示例数据集 Puromycin 我希望结果看起来像这样: Variable Treated
我尝试对数据框的所有列(一次两列)进行 t 检验，并仅提取 p 值。这是我想出的: for (i in c(5:525) ) { t_test_p.value =sapply( Data[5:525]
我有一个有 11 列数据的 Pandas 。我想通过测试将每一列与其他每一列进行比较(见下文)。如何创建一个循环来自动比较所有列，而无需为每个列对组合手动编写代码？ from scipy.stats
我有一些数据，如下所示: # Groups: date [4] date data 1 2021-01-31 2 20
这就是我的数据的样子: > dput(data) structure(list(Name = c("Mark", "Tere", "Marcus", "Heidi", "Georg", "Tieme"
我有一个有 11 列数据的 Pandas 。我想通过测试将每一列与其他每一列进行比较(见下文)。如何创建一个循环来自动比较所有列，而无需为每个列对组合手动编写代码？ from scipy.stats
我有一些数据，如下所示: # Groups: date [4] date data 1 2021-01-31 2 20
所以我有一些股票价格数据，我想测试价格是否遵循对数正态分布。我的代码如下: import scipy.stats as stats print(stats.kstest(df['DJIA'], "lo
我想对我的固定效应回归系数进行简单的联合 Wald 检验，但我想将限制设置为非零值。更具体地说，我想测试:H0: ai=0 and b=1 for every i或者基本上，是否从固定效应模型 (ai
我正在尝试进行双样本 t 检验，以检查两个数据集之间的均值是否存在显着差异。 我有两个数据集，每个数据集有 5 个试验，每个试验有 3 个特征。每个 Trial 都有不同的唯一标签，但 3 个特征(X
考虑以下虚拟数据: x <- rnorm(15,mean = 3,sd = 1) y <- rnorm(15,mean = 3,sd = 1) xy <- c(x,y) factor <- c(rep
我是一名计算机科学专业的学生，我正在自学算法类(class)。 在类(class)中我看到了这个问题: Show an efficient randomized algorithm to fact
我想使用拟合我的数据的 f 检验来比较两个模型。对于每个模型，我都执行了蒙特卡洛模拟，为每个模型参数和均方根拟合误差提供了统计估计。我想在 R 中使用 f-test 来确定哪个模型更可取。 最佳答案
我很难让 ks.test 使用卡方分布式数据: > chi10 ks.test(chi10, dchisq, df=10) One-sample Kolmogorov-Smirnov tes
我试图在 R 中复制 SPSS 的线性判别分析输出，但我很难找到执行 m-box 测试的方法。 我唯一找到的是一些发布在论坛上的代码，用于手动实现该过程，但我想知道语言本身是否已经包含用于此目的的任何
我有以下数据框: structure(list(test1 = c(0, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1), test2 = c(0, 0, 1, 1, 0,
标准 stats::kruskal.test 模块允许计算数据集上的 kruskal-wallis 测试: >>> data(diamonds) >>> kruskal.test(price~cara
我是一名优秀的程序员,十分优秀！