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

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

在两个相关的分数样本 a 和 b 上计算 t-test。

此文档字符串是从 scipy.stats.ttest_rel 复制而来的。

可能存在与 Dask 版本的一些不一致之处。

这是一个 two-sided 检验，用于零假设，即 2 个相关或重复样本具有相同的平均(预期)值。

参数：

a, b：array_like

数组必须具有相同的形状。

axis：int 或 None，可选

计算测试的轴。如果没有，则计算整个数组 a 和 b 。

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。

注意：

使用的示例是同一组学生在不同考试中的分数，或从相同单元中重复抽样。该测试衡量样本之间的平均分数是否存在显著差异(例如考试)。如果我们观察到一个大的p-value，例如大于 0.05 或 0.1，那么我们不能拒绝相同平均分数的原假设。如果 p-value 小于阈值，例如1%、5% 或 10%，那么我们拒绝均值相等的原假设。小p-values 与大t-statistics 相关联。

参考：

https://en.wikipedia.org/wiki/T-test#Dependent_t-test_for_paired_samples

例子：

>>> from scipy import stats  
>>> rng = np.random.default_rng()

>>> rvs1 = stats.norm.rvs(loc=5, scale=10, size=500, random_state=rng)  
>>> rvs2 = (stats.norm.rvs(loc=5, scale=10, size=500, random_state=rng)  
...         + stats.norm.rvs(scale=0.2, size=500, random_state=rng))
>>> stats.ttest_rel(rvs1, rvs2)  
Ttest_relResult(statistic=-0.4549717054410304, pvalue=0.6493274702088672)
>>> rvs3 = (stats.norm.rvs(loc=8, scale=10, size=500, random_state=rng)  
...         + stats.norm.rvs(scale=0.2, size=500, random_state=rng))
>>> stats.ttest_rel(rvs1, rvs3)  
Ttest_relResult(statistic=-5.879467544540889, pvalue=7.540777129099917e-09)

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_rel。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：

注意：

参考：

例子：