選擇統計方法 (目錄)

用Python做生醫資料科學
 (Biomedical Data Science using Python)

***************************  第一段: 起手式  ******************************
套路0: 安裝Python
套路1: Python快速入門
套路 2: 測量資料的重心 (Measures of Central Tendency)
套路 3: 測量資料的變異度 (Measures of Variability and Dispersion)
套路 4: 機率分布 (Probability Distributions)

***************************  第二段: 比較平均值、中數  ***************************
套路 5: 單一樣本Z檢定 (One-Sample Z test，parametric)
套路 6: 單一樣本t檢定 (One-Sample t test，parametric)
套路 7: 單一樣本Wilcoxon signed-rank 檢定 (One-Sample Wilcoxon signed-rank test，non-parametric)
套路 8: 兩組獨立樣本Z檢定 (Two-Sample Z test，parametric)
套路 9: 兩組獨立樣本變異數相同t檢定 (Two-Sample t test with equal variances，parametric)
套路 10: 兩組獨立樣本變異數不相同t檢定 (Two-Sample t test with unequal variances，parametric)
套路 11: 兩組獨立樣本Mann-Whitney U 檢定 (Two-Sample Mann-Whitney U test，non-parametric)
套路 12: 兩組成對資料t檢定 (Paired t test，parametric)
套路 13: 兩組成對資料Wilcoxon signed-rank檢定 (Wilcoxon signed-rank test for paired samples，non-parametric)
套路 14: 比較多組相同變異數獨立樣本平均值檢定 (One-Way Analysis of Variances，One-Way ANOVA，parametric)
套路 15: 比較多組不同變異數獨立樣本平均值檢定 (Welch's Test for Analysis of Variance，parametric)
套路 16: 比較多組獨立樣本中位數檢定 (Kruskal-Wallis H-test，non-parametric)
套路17: 雙因子變異數分析 (Two-Way ANOVA)
套路18: 三因子變異數分析 (Three-Way ANOVA)

***************************  第三段: 比較變異數  ******************************
套路 19: 比較兩組獨立樣本變異數檢定 (Comparing Two Sample variances，parametric and non-parametric)
套路 20: 比較多組獨立樣本變異數檢定 (Comparing Multi-Sample variances，parametric and non-parametric)

************************  第四段: 比較比例、二變量分析  ************************
套路21: 單一比例檢定 (One-Proportion test)
套路22: 比較兩組比例 (Comparing Two-Proportions)
套路23: 比較多組比例 (Comparing Multiple-Proportions)

******************************  第五段: 相關係數   ******************************
套路24: 皮爾森相關係數 (Pearson correlation coefficient)
套路25: 斯皮爾曼等級相關係數 (Spearman's rank correlation coefficient)
套路26: 肯德爾等級相關係數 (Kendall tau rank correlation coefficient)

******************************  第六段: 回歸   ***********************************
套路27: 簡單直線回歸 (Simple Linear Regression)
套路28: 多元線性回歸分析 (Multiple Linear Regression)
套路29: 多項式回歸分析 (Polynomial Regression)

****************************  第七段: 類別資料分析   *****************************
套路30: 卡方適合度檢定 (Chi-square Goodness of fit test)
套路31: 其他多種適合度檢定 (Goodness of fit test)
套路32: 列聯表: 卡方獨立檢定 (Contingency Table: Chi-square Test of Independence)
套路33: 列聯表: 獨立檢定 (Contingency Table: Test of Independence)
套路34: 費雪正確性檢定 (Fisher's exact test)

******************************  第八段: 資料視覺化  ******************************
套路35: 使用python畫大餅圖 (Pie Chart using python)
套路36: 使用Python畫盒鬚圖 (Box Plot using Python)
套路37: 使用Python畫帶狀圖 (Stripplots using Python)
套路38: 使用Python畫Swarm圖 (Swarmplots using Python)

留言

張貼留言

這個網誌中的熱門文章

三因子變異數分析 (Three-Way ANOVA)

圖片
套路 18: 三因子變異數分析 (Three-Way ANOVA) 應用三因子變異數分析的資料有三影響因子 ，就是有三個自變項 。此檢定有七組 H 0 和 H A 。 H 0 : m 因子 1-1 = m 因子 1-2 = … = m 因子 1-m ， H A : 至少有一組平均值不同。 H 0 : m 因子 2-1 = m 因子 2-2 = … = m 因子 2-n ， H A : 至少有一組平均值不同。 H 0 : m 因子 3-1 = m 因子 3-2 = … = m 因子 3-o ， H A : 至少有一組平均值不同。 H 0 : 因子 1 與因子 2 互不影響 ， H A : 因子 1 與因子 2 互相影響。 H 0 : 因子 1 與因子 3 互不影響 ， H A : 因子 1 與因子 3 互相影響。 H 0 : 因子 2 與因子 3 互不影響 ， H A : 因子 2 與因子 3 互相影響。 H 0 : 因子 1 、 因子 2 與因子 3 互不影響 ， H A : 因子 1 、 因子 2 與因子 3 互相影響。 1. 使用時機 : 用於比較 在三不同因子對樣本平均值 (mean) 有無影響及三因子間有無交互作用。 2. 分析類型 : 母數 (parametric) 分析。 直接使用資料數值算統計叫 parametric 方法，把資料排序之後用排序的名次算統計叫 non-parametric 方法。 3. 前提假設 : 使用母數 (parametric) 分析時 ， 資料須為常態分布 (normal distribution) 。使用 ANOVA 多組資料須相同變異數 。 4. 範例資料 : 咪路研究溫度對孔雀魚 ( Poecilia reticulata ) 、寶蓮燈魚 ( Paracheirodon axelrodi ) 及斑馬魚 ( Danio rerio ) 生長的影響。在 20 ° C 、 24 ° C 及 28 ° C 培養下，三種魚身長變化 (cm) 資料如下： 孔雀魚 ( Poecilia reticulata ) 20 ° C 24 ° C 28 ° C 雄
閱讀完整內容

比較多組不同變異數獨立樣本平均值檢定 (Welch's Test for Analysis of Variance，parametric)

圖片
套路 15: 比較多組不同變異數獨立樣本平均值檢定 ( Welch's Test for Analysis of Variance ， parametric ) 什麼是比較多組不同變異數獨立樣本平均值檢定 ? 說白了就是多組分別獨立取樣的資料做比較的假設檢定。 ** 注意 ** ” 比較變異數 ” (comparing variances) 和 ” 變異數分析 ” (analysis of variance) 不同。變異數分析是多組資料比較平均值。統計假設檢定檢定什麼 ? 看 H 0 。例如多組獨立樣本假設檢定 H 0 : μ 1 = μ 2 = … = μ k ， H A : 至少有一組平均值不同 ， 是檢定多組資料的平均值是否相同。假設相等時為雙尾 (two-tailed test) 檢定。 1. 使用時機 : 用於比較 多組不同變異數獨立樣本平均值 (mean) 。 若自變項有一個，就是單因子變異數分析。 2. 分析類型 : 母數 (parametric) 分析。 直接使用資料數值算統計叫 parametric 方法，把資料排序之後用排序的名次算統計叫 non-parametric 方法。 3. 前提假設 : 使用母數 (parametric) 分析時 ， 資料須為常態分布 (normal distribution) 。多組資料不同變異數使用 Welch's Test for Analysis of Variance 。 4. 範例資料 : 咪路調查土壤鈣離子濃度 (mg/100 mg soil) ， 資料如下： 土樣 1 土樣 2 土樣 3 17.8 28.5 30.5 17.3 28.8 33.8 16.1 29.4 31.5 24.2 28.5 32.1 25.3 28.3 29.9 25.7 28.4 29.6
閱讀完整內容

雙因子變異數分析 (Two-Way ANOVA)

圖片
套路 17: 雙因子變異數分析 (Two-Way ANOVA) 應用雙因子變異數分析的資料有二影響因子 ，就是有兩個自變項 。此檢定有三組 H 0 和 H A 。 H 0 : m 因子 1-1 = m 因子 1-2 = … = m 因子 1-m ， H A : 至少有一組平均值不同。 H 0 : m 因子 2-1 = m 因子 2-2 = … = m 因子 2-n ， H A : 至少有一組平均值不同。 H 0 : 因子 1 與因子 2 互不影響 ， H A : 因子 1 與因子 2 互相影響。 1. 使用時機 : 用於比較 在二不同因子對樣本平均值 (mean) 有無影響及二因子有無交互作用。 2. 分析類型 : 母數 (parametric) 分析。 直接使用資料數值算統計叫 parametric 方法，把資料排序之後用排序的名次算統計叫 non-parametric 方法。 3. 前提假設 : 使用母數 (parametric) 分析時 ， 資料須為常態分布 (normal distribution) 。使用 ANOVA 多組資料須相同變異數 。 4. 範例資料 : 咪路調查人類血漿中鉀離子濃度 (mg/100 ml) 資料如下： 沒注射賀爾蒙 注射賀爾蒙 雌 雄 雌 雄 16.3 15.3 38.1 34.0 20.4 17.4 26.2 22.8 12.4 10.9 32.3 27.8 15.8 10.3 35.8 25.0 9.5 6.7 30.2 29.3 H 0 : 注射賀爾蒙沒影響 。 H A : 注射賀爾蒙有影響 。 H 0 : 性別沒影響 。 H A : 性別有影響 。 H 0 : 性別及注射賀爾蒙兩因子互不影響
閱讀完整內容