如何使用包含许多零的高度右偏数据进行假设检验？我们得到的数据是“减去缺陷数”，假设我们实现了一个新的 clean 方法，并且想知道新方法是否比原来的方法更好，即我们想要进行假设检验来判断。
但问题是：对于两个样本集，主要数都是零，并且右偏到几个缺陷数，在这种情况下有什么好的方法来进行假设检验吗？
我最初的想法是从数据转换为正态分布，然后进行两个样本t检验，由于多数数为零，我尝试使用log(x+1)来转换我的数据，但它仍然无法拟合JMP连续的正态分布合身
回复：如何使用包含许多零的高度右偏数据进行假设检验？这物流配送是对称的，所以这样的选择并不是最好的。为了您的数据。 我不会使用 Wilcoxon 检验。
双指数分布（也称为甘贝尔分布）是倾斜的，就像您的数据一样，所以这将是一个更好的选择。 我会使用中位数测试。
回复：如何使用包含许多零的高度右偏数据进行假设检验？谢谢您的回复，对于非参数检验，我查了一下JMP帮助，它说：
Wilcoxon 测试 --> 对于物流配送来说非常强大
中值检验 --> 对于双指数分布非常强大
van der Waerden 检验 --> 对于正态分布非常强大
柯尔莫哥洛夫·斯米尔诺夫检验 --> 不太确定
所以我的问题是对于极右偏态分布，哪种非参数方法更适合？
回复：如何使用包含许多零的高度右偏数据进行假设检验？我可以想到两种方法。 第一个是非参数检验。 它们还可以与 t 检验一起在 Oneway 平台中使用。 第二种方法是定义有意义的样本统计量（例如，0.9 分位数）并使用 bootstrap 来获取差异的 p 值。
