当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python SciPy stats.f_oneway用法及代码示例


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

用法:

scipy.stats.f_oneway(*samples, axis=0)#

执行one-way ANOVA。

one-way ANOVA 检验两个或多个组具有相同总体均值的原假设。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。必须至少有两个参数。如果数组是多维的,那么数组的所有维度都必须相同,除了轴。

axis 整数,可选

沿其应用测试的输入数组的轴。默认值为 0。

返回

statistic 浮点数

测试的计算 F 统计量。

pvalue 浮点数

F 分布的相关 p 值。

警告

ConstantInputWarning

如果每个输入数组中的所有值都相同,则引发。在这种情况下,F 统计量是无限的或未定义,因此返回 np.infnp.nan

DegenerateDataWarning

如果任何输入数组的长度为 0,或者所有输入数组的长度为 1,则引发。在这些情况下,为 F 统计量和 p 值返回 np.nan

注意

方差分析检验具有重要假设,必须满足这些假设才能使相关 p 值有效。

  1. 样本是独立的。

  2. 每个样本来自一个正态分布的总体。

  3. 各组的总体标准差均相等。此属性称为同方差性。

如果这些假设对于给定的一组数据不成立,则仍然可以使用 Kruskal-Wallis H-test ( scipy.stats.kruskal ) 或 Alexander-Govern 测试 ( scipy.stats.alexandergovern ),尽管会损失一些功率。

每组的长度必须至少为 1,并且必须至少有一组长度大于 1。如果不满足这些条件,则会生成警告并返回 (np.nan , np.nan )。

如果每个组中的所有值都相同,并且至少存在两个具有不同值的组,则该函数会生成警告并返回 (np.inf, 0)。

如果所有组中的所有值都相同,则函数会生成警告并返回(np.nannp.nan)。

该算法来自 Heiman [2],pp.394-7。

参考

[1]

R. Lowry,“推理统计的概念和应用”,第 14 章,2014 年,http://vassarstats.net/textbook/

[2]

G.W.海曼,“理解研究方法和统计:心理学综合介绍”,霍顿、米夫林和公司,2001 年。

[3]

G.H. McDonald,“生物统计手册”,One-way ANOVA。 http://www.biostathandbook.com/onewayanova.html

例子

>>> import numpy as np
>>> from scipy.stats import f_oneway

以下是来自五个地点的贻贝 Shell 测量数据 [3](前内收肌疤痕的长度,通过除以长度进行标准化):蒂拉穆克,俄勒冈州;俄勒冈州纽波特;阿拉斯加圣彼得堡;俄罗斯马加丹;和芬兰的 Tvarminne,取自 McDonald 等人使用的更大的数据集。 (1991)。

>>> tillamook = [0.0571, 0.0813, 0.0831, 0.0976, 0.0817, 0.0859, 0.0735,
...              0.0659, 0.0923, 0.0836]
>>> newport = [0.0873, 0.0662, 0.0672, 0.0819, 0.0749, 0.0649, 0.0835,
...            0.0725]
>>> petersburg = [0.0974, 0.1352, 0.0817, 0.1016, 0.0968, 0.1064, 0.105]
>>> magadan = [0.1033, 0.0915, 0.0781, 0.0685, 0.0677, 0.0697, 0.0764,
...            0.0689]
>>> tvarminne = [0.0703, 0.1026, 0.0956, 0.0973, 0.1039, 0.1045]
>>> f_oneway(tillamook, newport, petersburg, magadan, tvarminne)
F_onewayResult(statistic=7.121019471642447, pvalue=0.0002812242314534544)

f_oneway接受多维输入数组。当输入是多维的并且没有给出,测试是沿着输入数组的第一个轴执行的。对于以下数据,进行3次测试,每列一次。

>>> a = np.array([[9.87, 9.03, 6.81],
...               [7.18, 8.35, 7.00],
...               [8.39, 7.58, 7.68],
...               [7.45, 6.33, 9.35],
...               [6.41, 7.10, 9.33],
...               [8.00, 8.24, 8.44]])
>>> b = np.array([[6.35, 7.30, 7.16],
...               [6.65, 6.68, 7.63],
...               [5.72, 7.73, 6.72],
...               [7.01, 9.19, 7.41],
...               [7.75, 7.87, 8.30],
...               [6.90, 7.97, 6.97]])
>>> c = np.array([[3.31, 8.77, 1.01],
...               [8.25, 3.24, 3.62],
...               [6.32, 8.81, 5.19],
...               [7.48, 8.83, 8.91],
...               [8.59, 6.01, 6.07],
...               [3.07, 9.72, 7.48]])
>>> F, p = f_oneway(a, b, c)
>>> F
array([1.75676344, 0.03701228, 3.76439349])
>>> p
array([0.20630784, 0.96375203, 0.04733157])

相关用法


注:本文由纯净天空筛选整理自scipy.org大神的英文原创作品 scipy.stats.f_oneway。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。