Python SciPy stats.alexandergovern用法及代码示例

本文简要介绍 python 语言中 scipy.stats.alexandergovern 的用法。

用法:

scipy.stats.alexandergovern(*samples, nan_policy='propagate')#

执行 Alexander Govern 测试。

Alexander-Govern 近似在面对方差异质性时测试 k 个独立均值的相等性。该测试适用于来自两组或更多组的样本，可能具有不同的大小。

参数 ：：

sample1, sample2, …： array_like

每组的样本测量值。必须至少有两个样本。

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

返回 ：：

res： AlexanderGovernResult

具有属性的对象：

统计 浮点数

测试的计算 A 统计量。

p值 浮点数

卡方分布的相关 p 值。

警告 ：：

ConstantInputWarning

如果输入是常量数组，则引发。在这种情况下未定义统计信息，因此返回np.nan。

注意：

该测试的使用依赖于几个假设。

1. 样本是独立的。

2. 每个样本来自一个正态分布的总体。

3. 与 f_oneway 不同，此测试不假设同方差性，而是放宽等方差的假设。

输入样本必须是有限的、一维的并且大小大于一。

参考：

[1]

Alexander、Ralph A. 和 Diane M. Govern。 “方差异质性下 ANOVA 的一种新的、更简单的近似。”教育统计杂志，第一卷。 19，没有。 2，1994 年，第 91-101 页。 JSTOR，www.jstor.org/stable/1165140。 2020 年 9 月 12 日访问。

例子：

>>> from scipy.stats import alexandergovern

以下是美国四个城市的九家最大银行的新车贷款年利率百分比数据，这些数据来自美国国家标准与技术研究院的 ANOVA 数据集。

我们使用 alexandergovern 来检验所有城市具有相同平均年利率的零假设，以及并非所有城市都具有相同平均年利率的替代假设。我们决定需要 5% 的显著性水平来拒绝原假设并支持替代方案。

>>> atlanta = [13.75, 13.75, 13.5, 13.5, 13.0, 13.0, 13.0, 12.75, 12.5]
>>> chicago = [14.25, 13.0, 12.75, 12.5, 12.5, 12.4, 12.3, 11.9, 11.9]
>>> houston = [14.0, 14.0, 13.51, 13.5, 13.5, 13.25, 13.0, 12.5, 12.5]
>>> memphis = [15.0, 14.0, 13.75, 13.59, 13.25, 12.97, 12.5, 12.25,
...           11.89]
>>> alexandergovern(atlanta, chicago, houston, memphis)
AlexanderGovernResult(statistic=4.65087071883494,
                      pvalue=0.19922132490385214)

p 值为 0.1992，表明在原假设下观察到检验统计量的此类极值的可能性接近 20%。这超过了 5%，因此我们不会拒绝零假设而支持替代方案。