本節書摘來自華章出版社《R語言數據挖掘：實用項目解析》一書中的第2章，第2.9節無參數方法，作者［印度］普拉迪帕塔·米什拉（Pradeepta Mishra），更多章節內容可以訪問云棲社區“華章計算機”公眾號查看

2.9　無參數方法
當一個訓練數據集不滿足任何假定的某種概率分布時，唯一的選擇就是通過無參數方法分析數據集。無參數方法不服從概率分布假設。使用無參數方法，我們可以不基于概率分布的前提假設來實施推斷和假設檢驗。現在我們來看當一個數據集不滿足任何概率分布前提假設時，可使用的一系列無參數檢驗。

2.9.1　Wilcoxon符號秩檢驗
如果正態性假設不成立，就需要利用無參數方法來回答這個問題——自動擋和手動擋汽車的市內平均行車里程數是否有差別？

若兩個樣本恰好成對而又不滿足正態性假設，則可使用參數paired：

2.9.2　Mann-Whitney-Wilcoxon檢驗
若兩個樣本不匹配、獨立且不服從正態分布，則需要使用Mann-Whitney-Wilcoxon檢驗來判斷兩個樣本的平均差有顯著差異的假設。

2.9.3　Kruskal-Wallis檢驗
要比較兩組以上數據的平均值，也即無參方法的方差分析，可以使用Kruskal-Wallis檢驗。這也被稱作無分布的統計檢驗：

總結

以上是生活随笔為你收集整理的《R语言数据挖掘：实用项目解析》——第2章，第2.9节无参数方法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。