Chọn phương pháp
Chọn MK, MMK hay SMK cho dữ liệu của bạn?
Việc chọn sai bài toán kiểm định có thể dẫn đến hiện tượng dương tính giả (nhận định có xu hướng trong khi thực tế chỉ là do mùa vụ hoặc chuỗi phụ thuộc thời gian). Nếu cần đọc lại phần lý thuyết, xem tại đây
| Thuật toán | Điều kiện áp dụng chuẩn mực | Cơ chế xử lý toán học |
|---|---|---|
| Mann-Kendall (MK) | Dữ liệu theo năm (Annual), không có tính mùa vụ và không có tự tương quan chuỗi ($p > 0.05$ ở Lag-1). | Kiểm định phi tham số nguyên bản (Mann, 1945; Kendall, 1975). |
| Modified MK (MMK - Hamed & Rao) | Dữ liệu có hệ số tự tương quan (Autocorrelation) đáng kể nhưng không có mùa vụ. | Hiệu chỉnh phương sai $\text{Var}(S)$ bằng hệ số tương quan giữa các bậc trễ (Hamed & Rao, 1998). |
| Modified MK (MMK - Yue & Wang) | Chuỗi dữ liệu bị ảnh hưởng bởi tự tương quan lag-1 và có độ dốc đơn điệu lớn. | Khử xu hướng Sen trước, khử tương quan (Pre-whitening), sau đó cộng lại xu hướng (Yue et al., 2002). |
| Seasonal MK (SMK) | Dữ liệu theo tháng, quý hoặc tuần có tính chu kỳ mùa vụ rõ rệt. | Tính thống kê $S_g$ riêng cho từng mùa rồi cộng gộp lại; khử nhiễu chu kỳ (Hirsch et al., 1982 - USGS). |
Chuẩn hóa dữ liệu
Cấu trúc tệp CSV (Dữ liệu bạn tải lên sẽ được xoá khi đóng trình duyệt)
Hệ thống tự động nhận diện cấu trúc tệp .csv (dấu phẩy hoặc chấm phẩy). Định dạng dữ liệu đầu vào:
Dữ liệu năm:
Year,Value 2010,24.2 2011,24.8
Dữ liệu đa cột:
Date;Tram_A;Tram_B 2020-01;105.2;90 2020-02;98.4;85...
Python Engine (WebAssembly) V4 - Pub. Ready
Chạy Phân Tích Mann-Kendall
Đang khởi tạo môi trường Data Science (Pyodide, Pandas, SciPy, PyMannKendall)...
Mã Nguồn Python
Đoạn mã dưới đây là chính xác 100% những gì vừa được xử lý. Khoảng tin cậy Theil-Sen được tính toán thông qua module scipy.stats.mstats.
# Nhấn "Thực thi" để sinh mã tự động tại đây...