Je souhaite comparer la quantité de variabilité au sein de 8 échantillons différents (chacun provenant d'une population différente). Je suis conscient que cela peut être fait par plusieurs méthodes avec des données de rapport: égalité de variance du test F, test de Levene, etc.
Cependant, mes données sont circulaires / directionnelles (c'est-à-dire des données qui présentent une périodicité telle que la direction du vent et en général des données angulaires ou l'heure de la journée). J'ai fait quelques recherches et trouvé un test dans le package "CircStats" dans R - "Test d'homogénéité de Watson". Un inconvénient est que ce test ne compare que deux échantillons, ce qui signifie que je devrais faire plusieurs comparaisons sur mes 8 échantillons (puis utiliser la correction de Bonferonni).
Voici mes questions:
1) Existe-t-il un meilleur test que je peux utiliser?
2) Sinon, quelles sont les hypothèses du test de Watson? Est-ce paramétrique / non paramétrique?
3) Quel est l'algorithme par lequel je peux effectuer ce test? Mes données sont dans Matlab, et je préférerais ne pas avoir à les transférer dans R pour exécuter mon test. Je préfère simplement écrire ma propre fonction.
la source
Réponses:
1) Le test Watson-Williams est approprié ici.
2) Il est paramétrique et suppose une distribution de Von-Mises. La deuxième hypothèse est que chaque groupe a un paramètre de concentration commun. Je ne me souviens pas de la robustesse du test face aux violations de cette hypothèse.
3) J'ai utilisé une implémentation du test Watson dans une boîte à outils de statistiques circulaire, écrite pour Matlab et disponible sur l'échange de fichiers (lien ci-dessous). Je n'ai pas essayé, mais je crois que le test Watson (circ_wwtest.m) est configuré pour plusieurs groupes.
https://www.mathworks.com/matlabcentral/fileexchange/10676-circular-statistics-toolbox--directional-statistics-
la source
Concernant votre troisième question, j'ai écrit une fonction dans MATLAB pour l'algorithme basé sur Watson (1962) pour calculer la statistique de test et la valeur de p:
https://github.com/aatobaa/hatlab/blob/master/watson1962.m
la source