比较两个不同的裁判模型打分是否趋同
讯飞星火模型：
检测两组数据统计分布是否相同，可以使用 Kolmogorov-Smirnov 检验。KS 检验是一种非参数检验方法，其优点在于不需要预先知道数据的分布情况。通过比较两个样本的频率分布或者一个样本的频率分布与特定理论分布（如正态分布）之间的差异大小，可以推论两个分布是否来自同一分布。当样本量比较小的时候，KS 检验作为非参数检验在分析两组数据之间是否不同时相当常用。需要注意的是，虽然 KS 检验非常灵活，但当检验的数据分布符合特定的分布时，例如正态分布，KS 检验的灵敏度可能不如相应的参数检验来得高。
盘古 V13-38B 模型：
你想检测两组数据的统计分布是否相同。这通常可以通过比较两组数据的均值、中位数、众数、方差、标准差、峰度、偏度等统计指标来实现。 以下是一些可能的方法:
1.直观观察法: 通过直接观察和比较两组数据的图表(如直方图、箱线图等)来判断两组数据的分布是否相同。
2. Kolmogorov-Smirnov 检验: 这是一种常用的用于比较两个概率分布的方法。它的原理基于两个概率分布的形状是否有显著的不同。这种方法需要对数据的分布进行假设。
3. Shapiro-Wilk 检验: 这是一种常用的用于检验数据是否符合正态分布的方法。如果数据符合正态分布，那么两组数据的分布应该是相同的。
4. Anderson-Darling 检验: 这是一种与 Kolmogorov-Smirnov 检验类似的方法，也用于比较两个概率分布。它的原理基于两个概率分布的峰值是否有显著的不同。
5. Cook's 距离: 这是一种用于比较两个或多个群体的方法，可以用于检测两组数据的分布是否相同。 Cook's 距离的计算基于每个群体的数据与另一个群体的数据之间的相似度。 这些方法的选择取决于你的数据类型、样本大小以及你对检验的理解和应用经验。
Google 搜索：
Statistics and Machine Learning Toolbox™ 提供参数化假设检验和非参数化假设检验，帮助您确定样本数据是否来自具有特定特征的总体。
分布检验（如 Anderson-Darling 检验和单样本 Kolmogorov-Smirnov 检验）可以检验样本数据是否来自具有特定分布的总体。双样本 Kolmogorov-Smirnov 检验可以检验两组样本数据是否具有相同的分布。
位置检验（如 z 检验和单样本 t 检验）可以检验样本数据是否来自具有特定均值或中位数的总体。双样本 t 检验或多重比较检验可以检验两组或多组样本数据是否具有相同的位置值。
散度检验（如卡方方差检验）可以检验样本数据是否来自具有特定方差的总体。双样本 F 检验或多样本检验可以比较两个或多个样本数据集的方差。
通过交叉表分析和随机性游程检验确定样本数据的其他特征，并确定假设检验的样本大小和幂。
假设检验 - MATLAB & Simulink - MathWorks United Kingdom
还未添加个人签名 2021-07-13 加入
还未添加个人简介
评论