在非正態分佈的資料中，我們不應該使用單樣本t檢驗（儘管這個檢驗對於偏離正態性相當穩健），相反，我們必須使用均值的非引數檢驗方法。我們可以進行wilcoxon符號秩和檢驗。注意和單樣本t檢驗不同，該檢驗檢查是否有差異：
(rank, pval)
= stats.wilcoxon(data-checkvalue)
計算每個觀測值和感興趣的值的差異；
忽略差異的符號，將他們按照大小排序；
將所有負（或正）秩次的秩次加起來，也就是那些低於（或高於）選定的假設值的秩次。
在下面的**中，你可以看到乙個判斷是否顯著偏離7725的檢驗，負值的秩次之和為3+5=8，並且可以在對應的**中找到顯著的，在實際中，你的python函式語句會幫你做這些。
這個例子也展示了秩次求值的另外乙個特徵：相同的值（在這裡是7515）得到的是它們的平均秩次
單一樣本Wilcoxon符號秩檢驗
資料要求 單峰對稱分布，資料在其兩邊分布的疏密情況是對稱的 很過不對稱的單峰資料分布可能通過變換化為對稱分布。多峰分布通過混合分布整體表示後，每乙個分布也可以用單峰對稱的分布表示。就對稱分布而言，對稱中心只有乙個，中位數卻可能有很多個。例子 0.27 0.03 0.56 0.14 0.15 30 8...
矩陣秩的理解
首先，講到矩陣的秩，幾乎必然要引入矩陣的svd分解 x usv u,v正交陣，s是對角陣。如果是完全svd分解的話，那s對角線上非零元的個數就是這個矩陣的秩了 這些對角線元素叫做奇異值 還有些零元，這些零元對秩沒有貢獻。有了這個前提，我們就可以用各種姿勢來看秩了 1.把矩陣當做樣本集合，每一行 或每...
向量組的秩
v v中有一族向量s ss 其中可能只有有限個向量，也可能有無限個向量 如果在s ss中存在一組向量 適合下列條件 1,2,r 1 2 r 線性無關 這族向量中的任意乙個向量都可以用 1,2,r 1 2 r 線性表示，那麼稱 是向量族s ss的極大線性無關組，簡稱極大無關組。上述定義 2 表示若將s...