A**H
发帖数: 4797 | 1 有两种设计，我要比较这两种设计产生的结果是不是大体相似。我测量五种属性，每种
属性有三组数据
Design One and Design Two
Attribute A B C D and E
Design One
A: 2 3 5
B: 3 5 7
C: 9 4 3
D: 8 3 4
E: 8 4 7
Design Two
A: 6 5 5
B: 4 5 9
C: 1 4 2
D: 3 3 4
E: 5 4 2
如果是每个属性是一组数据，我可以用t－test，然后Pearson Correlation
Coefficient量化两种设计的相似性。现在是多组数据，我怎么样才可以得到一个类似
于Pearson Correlation Coefficient的数字来说明两种设计确实差不多，或者差别很
大（也就是量化）？
|
s*r
发帖数: 2757 | 2 Hotelling's T-squared statistic |
I*****a
发帖数: 5425 | 3 +1
【在 s*r 的大作中提到】
: Hotelling's T-squared statistic
|
A**H
发帖数: 4797 | 4 Thanks.
But why the p-value is always a tiny one, even if I use numbers like below:
1 3288 5617 5006 2974 7691
2 3661 8889 8594 7361 9116
3 5407 9437 5401 2301 5216
4 4022 6036 3102 4495 5402
5 4967 9440 4771 1417 10828
6 10745 10279 7277 8743 5257
7 5242 10930 10986 7845 2424
8 9689 3405 6551 7272 5130
9 3484 7824 9829 10526 1641
versus
1 10 10 10 10 10
2 10 10 10 10 10
3 10 10 10 10 10
4 10 10 10 10 10
5 10 10 10 10 10
6 10 10 10 10 10
7 10 10 10 10 10
8 10 10 10 10 10
9 10 10 10 10 10
htv=hotelling.test(d1,d2), which generates p-value of 2.323e-07
is there anything wrong?
【在 s*r 的大作中提到】
: Hotelling's T-squared statistic
|
A**H
发帖数: 4797 | 5 发包子了
我用了 coeffRV 方法算，不知道对不对 |
y**3
发帖数: 267 | 6 p value should be small because the two sets of data are so different |
