等方差测试——我这样做对吗?

机器算法验证 方差分析 循环统计
2022-03-29 13:21:05

在我的实验中,我想测试狗是否更有可能直接前往目标。数据的形式使得(度)是指向目标的方向,是向左的方向,而是向右的方向。09090

Experimental group (headings in degrees): 3,0,-7,-10,10,-1,13,15,-3,-2,6,6,5
Control group      (headings in degrees): -40,124,178,137,55,58,139,25,8,26,132,179,152

我想检验在实验条件下狗更准确(接近)的假设。我认为测试准确性的一个好方法是有一个零假设,即“两种情况下的方差将相等”,尽管从技术上讲,实验条件下的方差可能非常小(所以狗都在同一个位置上)但是在方向错误(例如,平均航向可能是)。050

无论哪种方式,如果我确实想检验这个假设,我会考虑做一个 Brown-Forysthe 检验,它本质上是(如果我是对的)一个 ANOVA,它检验与中位数的绝对偏差是否不同。然而,由于实验条件下的狗更加一致,因此各组的方差差异很大。因此,使用不等方差 t 检验而不是 ANOVA 是否更合适?

1个回答

仅使用方差是不合适的,因为您试图比较与圆上特定位置的接近程度。您的方差可能很小,但距离 0 还很远。

(或如果您更喜欢以度数工作)上有两组值,您对一些一般意义上的“接近度”感兴趣' 这并不完全是对位置或规模变化的测试。[0,π][0,180]

据推测,在零值下,与目标的偏差分布将是相同的分布,在这种情况下,您可能会考虑类似 Wilcoxon-Mann-Whitney 的情况。

原始数据当然是圆形的,您可以假设每个分布的某些参数分布,例如von Mises,并在该假设下构建与零偏差的一些参数比较(由于的偏差以及由于的变化)。μ0κ

您还可以对分布差异进行一些一般测试(对圆圈进行两个样本的拟合优度测试),然后尝试确定这是否是“分布”的变化与“位置”的变化以及更一般的变化区别。