使用Matlab开发的MW1cdf函数用于小样本量的Mann-Whitney U检验

获得两个随机变量连续累积分布的Mann-Whitney U概率。此算法基于Fortran77 AS 62 Appl。国家主义者。 (1973)。建议在样本量7 < nx xss=removed xss=removed>

在某些科学著作中，一旦从感兴趣的人群中收集数据，通常很难了解数据以无组织方式呈现时的含义。将原始数据组合成有意义的形式，例如频率分布，可以使数据更容易理解和解释。正是在频率分布的上下文中，遇到了以简洁的方式传达包含在数据中的数字信息的重要性。因此，分组数据是已被组织成称为类的组的数据。可以通过构建一个显示变量频率分布的表格（其值在原始数据集中给出）来组织原始数据集。这种频率表通常称为分组数据。在这里，我们开发了一个MATLAB代码来计算分组数据的模式。可以在列形式矩阵中输入包含频率计数和hist m函数的bin位置的返回或修改向量n和xout。模式计算使用直截了当的公式，Mo = L + I((F1 - F0)/(2F1 - F0 - F2))，其中：L为模态等级下限，I为包含众数的区间的宽度，F0为模态类之前的类的频率，F1为模态。

该文章专注于计算未配对或配对样本的学生t检验。此文档适用于样本大小相等或不相等的情况，以及配对或未配对的样本。在未配对样本检验时，使用Fisher-Snedecor F检验来评估方差的等性。如果方差不相等，则执行Satterthwaite的近似t检验。语法包括TESTT(X1, X2, TST, ALPHA, TAIL)，其中X1和X2是数据向量（必填），TST是未配对（0）或配对（1）测试类型（默认为0），ALPHA是显著性水平（默认为0.05），TAIL是单侧检验（1）或双侧检验（2）（默认为1）。

此代码执行了两种修正后的Mann-Kendall检验，考虑了时间序列的自相关（Hamed和Rao，1998）。替代了对趋势的传统检验方法，检验了向量V中趋势缺失的零假设。测试结果显示H = 1，在显著性水平alpha上拒绝了原假设。H = 0表示未能在显著性水平alpha上拒绝原假设。

返回G't Lam的G单边和双边累积分布函数的倒数，其中K方差和V感兴趣的自由度位于P中的值。这可用作测试K个样本的同方差性的替代统计量。1941年，William G. Cochran提出了一种单边上限方差异常值检验来检查同方差性。这种称为C检验用于确定单个方差估计是否显着大于一组方差并考虑范围内的所有方差。然而，正如2010年't Lam指出的那样，C检验有其局限性。它仅适用于相同大小的数据集。它使用的临界值仅适用于方差分布的上尾，在选定数量的数据集、每组重复数及仅在两个显着性水平下可用。此外，它不会识别异常的低方差，但可能会将高方差误认为异常值。2010年，G't Lam将C测试转换为更一般的“G测试”，使我们能够在任何显着性水平上计算大小相等和不相等的数据集的上限和下限临界值。在检测低方差的影响方面，G't Lam的方法显得尤为重要。

Matlab开发-D'Agostino-Pearson检验，用于评估数据向量的正态性。

在SAS统计分析软件中，常用于进行t检验的过程包括PROC UNIVARIATE、PROC MEANS以及本章重点讲解的PROC TTEST过程。

利用Mann-Kendall-Tau-B技术，包括Sen斜率法的非参数趋势检验，进行Matlab开发。

这是一个简化的两样本t检验方法，专注于快速计算t值而跳过耗时的p值计算步骤。适用于需要进行多次置换测试并追求效率的场合。该方法假设方差相等，并允许样本量不等。