如何使用包含許多零的高度右偏數據進行假設檢驗？我們得到的數據是“減去缺陷數”，假設我們實現了一個新的 clean 方法，並且想知道新方法是否比原來的方法更好，即我們想要進行假設檢驗來判斷。
但問題是：對於兩個樣本集，主要數都是零，並且右偏到幾個缺陷數，在這種情況下有什麼好的方法來進行假設檢驗嗎？
我最初的想法是從數據轉換為正態分佈，然後進行兩個樣本t檢驗，由於多數數為零，我嘗試使用log(x+1)來轉換我的數據，但它仍然無法擬合JMP連續的正態分佈合身
回复：如何使用包含許多零的高度右偏數據進行假設檢驗？這物流配送是對稱的，所以這樣的選擇並不是最好的。為了您的數據。 我不會使用 Wilcoxon 檢驗。
雙指數分佈（也稱為甘貝爾分佈）是傾斜的，就像您的數據一樣，所以這將是一個更好的選擇。 我會使用中位數測試。
回复：如何使用包含許多零的高度右偏數據進行假設檢驗？謝謝您的回复，對於非參數檢驗，我查了一下JMP幫助，它說：
Wilcoxon 測試 --> 對於物流配送來說非常強大
中值檢驗 --> 對於雙指數分佈非常強大
van der Waerden 檢驗 --> 對於正態分佈非常強大
柯爾莫哥洛夫·斯米爾諾夫檢驗 --> 不太確定
所以我的問題是對於極右偏態分佈，哪種非參數方法更適合？
回复：如何使用包含許多零的高度右偏數據進行假設檢驗？我可以想到兩種方法。 第一個是非參數檢驗。 它們還可以與 t 檢驗一起在 Oneway 平台中使用。 第二種方法是定義有意義的樣本統計量（例如，0.9 分位數）並使用 bootstrap 來獲取差異的 p 值。
