克-瓦氏单向方差分析

差别

这里会显示出您选择的修订版和当前版本之间的差别。

到此差别页面的链接

--- 克-瓦氏单向方差分析 [2023/04/17 12:09] – 创建 wisture
+++ 克-瓦氏单向方差分析 [2024/04/22 11:10] (当前版本) – caomingsu
@@ 行 1: / 行 1: @@
 ==== 小样本情况下的克-瓦式单向方差分析 ====
-  * 对于两个以上独立样本的平均数差异的显著性检验，如果并不符合参数检验的前提，应该使用克-瓦式单向方差分析
+=== Kruskal-Wallis one-way ANOVA in the case of small samples ===
-  * 克-瓦式单向方差是将所有样本的数据合并在一起，按照从小到大的顺序编秩次，再计算各样本的秩次和
+  * 对于两个以上独立样本的平均数差异的显著性检验，如果并不符合参数检验的前提，应该使用克-瓦式单向方差分析\\ For significance testing of differences in means of two or more independent samples, if the premise of parametric testing is not met, one-way ANOVA with Kruskal-Wallis should be used.
-  * 克-瓦式单向方差分析的统计值H的值{{::克瓦公式.jpg?200|}}
+  * 克-瓦式单向方差是将所有样本的数据合并在一起，按照从小到大的顺序编秩次，再计算各样本的秩次和\\One-way ANOVA with Kruskal-Wallis is to combine the data of all samples, organize the ranks in order from smallest to largest, and then calculate the sum of the ranks of the samples.
-  * N是所有样本容量之和，n是各个样本的样本容量，R是各组样本数据的秩次和
+  * 克-瓦式单向方差分析的统计值H的值\\ The value of the statistic H for the Kruskal-Wallis' one-way ANOVA {{::克瓦公式.jpg?200|}}
+  * N是所有样本容量之和，n是各个样本的样本容量，R是各组样本数据的秩次和\\N is the sum of all sample sizes, n is the sample size of each sample, and R is the rank sum of each set of sample data
 ----
 ==== 大样本情况下的克-瓦式单向方差分析 ====
-  * 当样本容量或样本数目比较大的时候，统计量H接近自由度k-1的χ²分布，因此可以通过查χ²分布表来得到相应的H的临界值
+=== One-way ANOVA of the Kruskal-Wallis type with large samples ===
+  * 当样本容量或样本数目比较大的时候，统计量H接近自由度k-1的χ²分布，因此可以通过查χ²分布表来得到相应的H的临界值\\When the sample size or number of samples is relatively large, the statistic H is close to the χ² distribution with degree of freedom k-1, so the corresponding critical value of H can be obtained by checking the table of χ² distribution

克-瓦氏单向方差分析.1681733387.txt.gz · 最后更改: 2023/04/17 12:09 由 wisture