Python dask.array.stats.ttest_1samp用法及代码示例

用法: dask.array.stats.ttest_1samp(a, popmean, axis=0, nan_policy='propagate')

计算一组分数的平均值的T-test。

此文档字符串是从 scipy.stats.ttest_1samp 复制而来的。

可能存在与 Dask 版本的一些不一致之处。

这是针对零假设的 two-sided 检验，即独立观察样本的期望值(平均值)a 等于给定的总体平均值 popmean。

参数：

a：array_like

样品观察。

popmean：float 或数组

零假设中的期望值。如果是数组，那么它必须具有与a 相同的形状，不包括轴维度。

axis：int 或 None，可选

计算测试的轴；默认值为 0。如果没有，则计算整个数组 a 。

nan_policy：{‘propagate’, ‘raise’, ‘omit’}，可选

定义当输入包含 nan 时如何处理。以下选项可用(默认为‘propagate’)：

‘propagate’：返回 nan
‘raise’：引发错误
‘omit’：执行忽略 nan 值的计算

alternative：{‘two-sided’, ‘less’, ‘greater’}，可选(Dask 不支持)

定义备择假设。以下选项可用(默认为“two-sided”)：

‘two-sided’
‘less’：one-sided
‘greater’：one-sided

statistic：浮点数或数组: t-statistic。
pvalue：浮点数或数组: Two-sided p-value。

例子：

>>> from scipy import stats  
>>> rng = np.random.default_rng()  
>>> rvs = stats.norm.rvs(loc=5, scale=10, size=(50, 2), random_state=rng)

测试随机样本的均值是否等于真实均值，以及不同的均值。我们在第二种情况下拒绝零假设，在第一种情况下不拒绝它。

>>> stats.ttest_1samp(rvs, 5.0)  
Ttest_1sampResult(statistic=array([-2.09794637, -1.75977004]), pvalue=array([0.04108952, 0.08468867]))
>>> stats.ttest_1samp(rvs, 0.0)  
Ttest_1sampResult(statistic=array([1.64495065, 1.62095307]), pvalue=array([0.10638103, 0.11144602]))

使用轴和非标量维度作为总体平均值的示例。

>>> result = stats.ttest_1samp(rvs, [5.0, 0.0])  
>>> result.statistic  
array([-2.09794637,  1.62095307])
>>> result.pvalue  
array([0.04108952, 0.11144602])

>>> result = stats.ttest_1samp(rvs.T, [5.0, 0.0], axis=1)  
>>> result.statistic  
array([-2.09794637,  1.62095307])
>>> result.pvalue  
array([0.04108952, 0.11144602])

>>> result = stats.ttest_1samp(rvs, [[5.0], [0.0]])  
>>> result.statistic  
array([[-2.09794637, -1.75977004],
       [ 1.64495065,  1.62095307]])
>>> result.pvalue  
array([[0.04108952, 0.08468867],
       [0.10638103, 0.11144602]])

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask.array.stats.ttest_1samp。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：