Preguntas etiquetadas con kruskal-wallis

El procedimiento de Kruskal-Wallis es un equivalente no paramétrico del análisis de varianza de una vía, utilizado para comparar la ubicación de tres o más grupos; amplía el procedimiento de Mann-Whitney-Wilcoxon de dos muestras.

5
Cómo lidiar con datos jerárquicos / anidados en el aprendizaje automático
Explicaré mi problema con un ejemplo. Suponga que desea predecir el ingreso de un individuo dados algunos atributos: {Edad, Sexo, País, Región, Ciudad}. Tienes un conjunto de datos de entrenamiento como este train <- data.frame(CountryID=c(1,1,1,1, 2,2,2,2, 3,3,3,3), RegionID=c(1,1,1,2, 3,3,4,4, 5,5,5,5), CityID=c(1,1,2,3, 4,5,6,6, 7,7,7,8), Age=c(23,48,62,63, 25,41,45,19, 37,41,31,50), Gender=factor(c("M","F","M","F", "M","F","M","F", "F","F","F","M")), Income=c(31,42,71,65, …
29 regression  machine-learning  multilevel-analysis  correlation  dataset  spatial  paired-comparisons  cross-correlation  clustering  aic  bic  dependent-variable  k-means  mean  standard-error  measurement-error  errors-in-variables  regression  multiple-regression  pca  linear-model  dimensionality-reduction  machine-learning  neural-networks  deep-learning  conv-neural-network  computer-vision  clustering  spss  r  weighted-data  wilcoxon-signed-rank  bayesian  hierarchical-bayesian  bugs  stan  distributions  categorical-data  variance  ecology  r  survival  regression  r-squared  descriptive-statistics  cross-section  maximum-likelihood  factor-analysis  likert  r  multiple-imputation  propensity-scores  distributions  t-test  logit  probit  z-test  confidence-interval  poisson-distribution  deep-learning  conv-neural-network  residual-networks  r  survey  wilcoxon-mann-whitney  ranking  kruskal-wallis  bias  loss-functions  frequentist  decision-theory  risk  machine-learning  distributions  normal-distribution  multivariate-analysis  inference  dataset  factor-analysis  survey  multilevel-analysis  clinical-trials 

4
Diferencia entre ANOVA y prueba de Kruskal-Wallis
Estoy aprendiendo R y he estado experimentando con análisis de varianza. He estado corriendo tanto kruskal.test(depVar ~ indepVar, data=df) y anova(lm(depVar ~ indepVar, data=dF)) ¿Hay alguna diferencia práctica entre estas dos pruebas? Tengo entendido que ambos evalúan la hipótesis nula de que las poblaciones tienen la misma media.


1
Pruebas post hoc después de Kruskal-Wallis: ¿La prueba de Dunn o Bonferroni corrigió las pruebas de Mann-Whitney?
Tengo alguna variable distribuida no gaussiana y necesito verificar si hay diferencias significativas entre los valores de esta variable en 5 grupos diferentes. He realizado un análisis de varianza unidireccional de Kruskal-Wallis (que resultó significativo) y luego tuve que verificar qué grupos eran significativamente diferentes. Como los grupos están ordenados …



2
¿Debo informar resultados no significativos?
He realizado una prueba de Kruskal Wallis, y para algunas de las preguntas el valor p no es significativo. ¿Informaría esto de la misma manera que si fuera significativo, indicando el df, el estadístico de prueba y el valor p? Por lo tanto, sería algo así como una prueba de …




4
¿Se puede usar la prueba de Mann-Whitney para comparaciones post-hoc después de Kruskal-Wallis?
Tengo una simulación en la que un animal se coloca en un entorno hostil y se cronometra para ver cuánto tiempo puede sobrevivir usando algún enfoque de supervivencia. Hay tres enfoques que puede usar para sobrevivir. Ejecuté 300 simulaciones del animal usando cada enfoque de supervivencia. Todas las simulaciones tienen …




1
Comparaciones múltiples con muchos grupos.
Me gustaría determinar si el uso de la prueba de comparaciones múltiples sería apropiado para mis datos. Utilicé la prueba de Kruskal-Wallis para determinar si había diferencias en la inhibición media entre grupos diferentes. El análisis reveló que había diferencias significativas y ahora me gustaría utilizar un procedimiento de comparación …
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.