Что делает калькулятор критерия знаков
Этот калькулятор выполняет точный критерий знаков для одной выборки или парных данных. Он сравнивает каждое наблюдение с гипотетическим значением, считает, сколько разностей положительны и сколько отрицательны, и возвращает точное биномиальное p-значение. Метод подходит для малых выборок, порядковых данных или случаев, когда предположение о нормальности сомнительно. Он отвечает только на вопрос, склонны ли значения лежать выше или ниже гипотетического значения.
Как пользоваться
Выберите тип теста: одна выборка или парные две выборки. Выберите альтернативную гипотезу: двусторонняя, левосторонняя (меньше положительных) или правосторонняя (больше положительных). Введите значения выборки 1, разделяя их запятыми, точками с запятой, пробелами или переносами строк. Для парного теста введите выборку 2 с тем же количеством значений и в том же порядке; для теста одной выборки она игнорируется. Введите гипотетическое значение d0 (медиану или среднее для одной выборки, разность для парных данных). Наконец, задайте alpha, обычно 0,05. Поддерживается до 1000 значений.
Формула
Сначала вычисляются разности. Для парного теста:
$$d_i = x_i - y_i - d_0$$Для одной выборки \(d_i = x_i - d_0\). Пусть \(R_+\) — число \(d_i > 0\), \(R_-\) — число \(d_i < 0\), а \(N = R_+ + R_-\). Статистики являются накопленными биномиальными вероятностями при \(p = 0.5\):
$$S_+ = \sum_{j=0}^{R_+} \binom{N}{j}2^{-N},\quad S_- = \sum_{j=0}^{R_-} \binom{N}{j}2^{-N}$$Значение p для нижнего хвоста равно \(S_+\), для верхнего хвоста — \(S_-\), а для двустороннего случая:
$$p = \min(1,\ 2\min(S_+, S_-))$$
Соглашения и допущения
Разности, равные нулю, являются связями и исключаются, поэтому \(N = R_+ + R_-\). Поскольку вычитание в вычислениях с плавающей точкой может давать малые остатки, разность считается нулевой, если её абсолютное значение меньше \(10^{-12}\). Двустороннее p-значение удваивает меньший хвост и ограничивает результат единицей; это правило удвоения является проектным решением, так как на странице NIST оно не приводится, однако соответствует опубликованным нижним и верхним результатам. Нормальная аппроксимация и поправка на непрерывность не предлагаются; вычисляется только точное биномиальное значение. H0 отклоняется, если выбранное p-значение не превышает alpha. Биномиальное распределение дискретно, поэтому достигнутый уровень значимости обычно не равен alpha точно. Если все разности являются связями, тест вычислить нельзя.
Пример расчёта
Тест одной выборки: выборка 141, 138, 144, 139, 145, 137, 142, 146, 140, 143, гипотетическое значение \(d_0 = 140\), двусторонний, \(\alpha = 0.05\). Разности дают \(R_+ = 6\), \(R_- = 3\) и одну связь (значение 140), поэтому \(N = 9\).
$$S_+ = 0.91015625,\quad S_- = 0.25390625$$$$p = \min(1,\ 2 \times 0.25390625) = 0.5078125$$Поскольку \(0.5078 > 0.05\), H0 не отклоняется.
Как читать результат
Малое p-значение означает, что соотношение положительных и отрицательных разностей маловероятно, если положительные и отрицательные исходы равновероятны. Большое p-значение, как в примере выше, означает, что данные не показывают устойчивого направления. Тест не учитывает величину разностей, поэтому его мощность ниже, чем у тестов, использующих значения величин. Отбрасывание связей уменьшает N и, следовательно, мощность. Неотклонение H0 не доказывает её истинность.
Часто задаваемые вопросы
Какие предположения делает критерий знаков?
Наблюдения независимы, и каждая разность либо выше, либо ниже гипотетического значения. При H0 число положительных знаков подчиняется биномиальному распределению Binomial(N, 0,5).
Почему связи отбрасываются?
Нулевая разность не имеет направления. В соответствии с соглашением NIST Dataplot связи исключаются, и эффективный размер выборки уменьшается.
Когда использовать парный вариант?
Используйте его для измерений до и после или для парных наблюдений. Калькулятор вычитает выборку 2 из выборки 1, а затем вычитает d0.
Почему двустороннее p-значение иногда равно 1?
Удвоение меньшего хвоста может превысить 1, когда знаки почти сбалансированы, поэтому значение ограничивается единицей.
Используется ли нормальная аппроксимация для больших выборок?
Нет. Точная биномиальная сумма вычисляется для любого N до 1000.
Источники
- Команда Dataplot SIGN TEST, NIST/SEMATECH Dataplot, 2023