런 테스트라고도 하는 Wald-Wolfowitz 테스트는 서로 다른 두 가지 유형의 요소(예: 양수/음수 값, 성공/실패)의 시퀀스의 임의성을 평가하는 데 사용되는 비모수 통계 테스트입니다. 시퀀스의 요소 순서가 무작위인지 또는 패턴이나 추세가 있는지 여부를 검사합니다. 이 비모수 검정은 모집단 및 표본 데이터 분포에 관계없이 더 높은 표본 크기를 사용할 수 있는 경우에도 정렬된 모든 데이터에 적용됩니다.
이 테스트는 데이터의 “실행”, 즉 유사한 요소의 연속적인 시퀀스를 분석하여 작동합니다. “run”은 연속적인 일련의 동일한 기호(예: 양수 값의 실행 또는 음수 값의 실행)로 정의됩니다. Wald-Wolfowitz 검정은 관측된 런 수를 랜덤성에서 예상되는 런 수와 비교합니다. 시퀀스 또는 실행에 대한 다음 예제를 고려합니다.
데이터셋-1:
0, 0, 1, 1, 1, 0, 0, 0, 1, 0, 1, 0, 0, 0, 1, 1, 0, 0, 1, 1
이 데이터 세트에서 [0, 0]; [1, 1, 1]; [0, 0, 0]; [1]; [0]; [1]; [0, 0, 0]; [1, 1]; [0, 0]; [1, 1]은 총 10개의 실행에 대해 인식할 수 있는 시퀀스 또는 실행입니다. 0과 1은 본질적으로 다르기 때문에(즉, 부재 및 존재와 같은 다른 정보를 제공함) 0과 1은 함께 실행을 형성할 수 없습니다. 이것은 [0, 1]을 의미합니다. [0, 1]은 실행으로 간주될 수 없습니다.
WWR 테스트의 기본 원칙은 “실행 횟수가 매우 낮거나 매우 높을 때 데이터의 임의성을 거부”하는 것입니다. 이 테스트는 특정 유의 수준(예: 0.05)에서 임의성에 대한 정량적 측정값을 제공합니다. 그러나 WWR 테스트만으로는 주어진 데이터 세트가 얼마나 무작위인지에 대한 명확한 지표를 제공하지 않습니다. 임의성의 크기는 여전히 질적이며 데이터의 특성(즉, 이진형, 범주형 또는 숫자형)에 따라 해석해야 합니다.
Wald-Wolfowitz 런 검정은 정렬된 데이터 또는 순차적 데이터의 임의성을 조사합니다. 데이터에서 계산된 실행을 사용하며, 여기서 실행 값이 너무 낮거나 너무 높을 때 임의성이 거부됩니다.
실행은 동일한 데이터에서 다른 것과 상호 배타적인 다른 유사한 시퀀스를 따르는 데이터 시퀀스입니다.
런은 이진, 범주 또는 숫자 데이터에 대해 계산될 수 있습니다.
예를 들어, 테니스 경기의 승패 순서는 이진 데이터입니다. dataset-1 및 dataset-2에 대한 실행 값은 극단적이므로 dataset-3보다 덜 임의적입니다.
DNA 염기서열은 범주형 데이터의 전형적인 예입니다. 여기서 sequence-1 및 sequence-2에 대한 runs 값은 매우 커서 sequence-3보다 덜 임의적입니다.
잎꾼벌이 자른 잎 크기의 순서와 같은 숫자 데이터에 대한 계산 실행에는 평균 또는 중앙값이 필요합니다. 평균 또는 중앙값보다 높은 모든 값에 대해 + 기호를 할당하고 더 낮은 모든 값에 대해 – 기호를 할당하여 런을 계산하기 위한 이진 기호 시퀀스를 가져옵니다.
Related Videos
Nonparametric Statistics
683 views
Nonparametric Statistics
231 views
Nonparametric Statistics
761 views
Nonparametric Statistics
119 views
Nonparametric Statistics
80 views
Nonparametric Statistics
109 views
Nonparametric Statistics
109 views
Nonparametric Statistics
112 views
Nonparametric Statistics
167 views
Nonparametric Statistics
593 views
Nonparametric Statistics
695 views
Nonparametric Statistics
742 views
Nonparametric Statistics
641 views
Nonparametric Statistics
629 views
Nonparametric Statistics
634 views
Nonparametric Statistics
210 views
Nonparametric Statistics
72 views
Nonparametric Statistics
425 views
Nonparametric Statistics
172 views
Nonparametric Statistics
276 views
Nonparametric Statistics
194 views
Nonparametric Statistics
296 views