程序包 org.hipparchus.stat.inference

类 OneWayAnova

java.lang.Object

org.hipparchus.stat.inference.OneWayAnova

       public class OneWayAnova extends Object
      

实现单向ANOVA（方差分析）统计。

用于测试单变量数据的两个或多个类别之间的差异（例如，会计师、律师、医生和计算机程序员的体重指数）。当给定两个类别时，这等同于 TTest。

使用 Hipparchus F分布实现 估计精确的p值。

此实现基于 http://faculty.vassar.edu/lowry/ch13pt1.html 上的描述

 缩写：bg = 组间,
                wg = 组内,
                ss = 求和平方偏差
 

构造器概要

构造器

构造器	说明
OneWayAnova()	空构造函数。

方法概要

修饰符和类型	方法	说明
double	anovaFValue(Collection<double[]> categoryData)	计算一组 double[] 数组的ANOVA F值。
double	anovaPValue(Collection<double[]> categoryData)	计算一组 double[] 数组的ANOVA P值。
double	anovaPValue(Collection<StreamingStatistics> categoryData, boolean allowOneElementData)	计算一组 StreamingStatistics 的ANOVA P值。
boolean	anovaTest(Collection<double[]> categoryData, double alpha)	执行ANOVA测试，评估数据类别的均值之间是否没有差异的零假设。

从类继承的方法 java.lang.Object

clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

构造器详细资料

OneWayAnova

             public OneWayAnova()
            

空构造函数。

此构造函数并非严格必需，但它可以防止在JDK 18及更高版本中出现虚假的javadoc警告。

从以下版本开始:

3.0

方法详细资料

anovaFValue

             public double anovaFValue(Collection<double[]> categoryData) throws MathIllegalArgumentException, NullArgumentException
            

计算一组 double[] 数组的ANOVA F值。

前提条件:

• categoryData Collection 必须包含 double[] 数组。
• categoryData Collection 中必须至少有两个 double[] 数组，且每个数组必须包含至少两个值。

此实现使用定义公式计算F统计量

   F = msbg/mswg

其中

  msbg = 组间均方
  mswg = 组内均方

如此处所定义 这里

参数:

categoryData - 包含每个类别数据的 double[] 数组的 Collection

返回:

F值

抛出:

NullArgumentException - 如果 categoryData 为 null

MathIllegalArgumentException - 如果 categoryData 数组的长度小于2或包含的 double[] 数组没有至少两个值

anovaPValue

             public double anovaPValue(Collection<double[]> categoryData) throws MathIllegalArgumentException, NullArgumentException, MathIllegalStateException
            

计算一组 double[] 数组的ANOVA P值。

前提条件:

• categoryData Collection 必须包含 double[] 数组。
• categoryData Collection 中必须至少有两个 double[] 数组，且每个数组必须包含至少两个值。

此实现使用 Hipparchus F分布实现 估计精确的p值，使用公式

   p = 1 - cumulativeProbability(F)

其中 F 是F值，cumulativeProbability 是F分布的Hipparchus实现。

参数:

categoryData - 包含每个类别数据的 double[] 数组的 Collection

返回:

P值

抛出:

NullArgumentException - 如果 categoryData 为 null

MathIllegalArgumentException - 如果 categoryData 数组的长度小于2或包含的 double[] 数组没有至少两个值

MathIllegalStateException - 如果由于收敛错误无法计算p值

MathIllegalStateException - 如果超过最大迭代次数

anovaPValue

             public double anovaPValue(Collection<StreamingStatistics> categoryData, boolean allowOneElementData) throws MathIllegalArgumentException, NullArgumentException, MathIllegalStateException
            

计算一组 StreamingStatistics 的ANOVA P值。

前提条件:

• categoryData Collection 必须包含 StreamingStatistics。
• categoryData Collection 中必须至少有两个 StreamingStatistics，且每个统计数据必须包含至少两个值。

此实现使用 Hipparchus F分布实现 估计精确的p值，使用公式

   p = 1 - cumulativeProbability(F)

其中 F 是F值，cumulativeProbability 是F分布的Hipparchus实现。

参数:

categoryData - 包含每个类别数据的 StreamingStatistics 的 Collection

allowOneElementData - 如果为true，则允许仅为一个类别或每个类别一个数据元素进行计算

返回:

P值

抛出:

NullArgumentException - 如果 categoryData 为 null

MathIllegalArgumentException - 如果 categoryData 数组的长度小于2或包含的 StreamingStatistics 没有至少两个值

MathIllegalStateException - 如果由于收敛错误无法计算p值

MathIllegalStateException - 如果超过最大迭代次数

anovaTest

             public boolean anovaTest(Collection<double[]> categoryData, double alpha) throws MathIllegalArgumentException, NullArgumentException, MathIllegalStateException
            

执行ANOVA测试，评估数据类别的均值之间是否没有差异的零假设。

前提条件:

• categoryData Collection 必须包含 double[] 数组。
• categoryData Collection 中必须至少有两个 double[] 数组，且每个数组必须包含至少两个值。
• alpha 必须严格大于0且小于或等于0.5。

此实现使用 Hipparchus F分布实现 估计精确的p值，使用公式

   p = 1 - cumulativeProbability(F)

其中 F 是F值，cumulativeProbability 是F分布的Hipparchus实现。

如果估计的p值小于alpha，则返回True。

参数:

categoryData - Collection，其中包含每个类别数据的double[]数组

alpha - 检验的显著性水平

返回:

如果可以以置信度1 - alpha拒绝零假设，则返回true

抛出:

NullArgumentException - 如果categoryData为null

MathIllegalArgumentException - 如果categoryData数组的长度小于2或包含的double[]数组没有至少两个值

MathIllegalArgumentException - 如果alpha不在范围(0, 0.5]内

MathIllegalStateException - 如果由于收敛错误而无法计算p值

MathIllegalStateException - 如果超过最大迭代次数