Python SciPy stats.mood用法及代码示例

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

用法:

scipy.stats.mood(x, y, axis=0, alternative='two-sided')#

对等尺度参数执行 Mood 测试。

Mood 尺度参数的双样本检验是针对原假设的非参数检验，即两个样本是从具有相同尺度参数的同一分布中抽取的。

参数 ：：

x, y： array_like

样本数据数组。

axis： 整数，可选

沿其测试样品的轴。 x 和 y 可以沿轴具有不同的长度。如果轴为无，x 和 y 将被展平，并对展平数组中的所有值进行测试。

alternative： {‘双面’，‘less’, ‘greater’}，可选

定义备择假设。默认为“双面”。可以使用以下选项：

• “双面”：x 和 y 的分布尺度不同。

• ‘less’：x 的分布规模小于 y 的分布规模。

• ‘greater’：x 的分布规模大于 y 的分布规模。

返回 ：：

res： SignificanceResult

包含属性的对象：

统计 标量或 ndarray

z-score 用于假设检验。对于一维输入，返回一个标量。

p值 标量数组

假设检验的 p 值。

注意：

对于某些概率密度函数 f，假设数据分别来自概率分布 f(x) 和 f(x/s) / s。零假设是 s == 1 。

对于多维数组，如果输入是形状 (n0, n1, n2, n3) 和 (n0, m1, n2, n3) ，那么如果是 axis=1 ，则生成的 z 和 p 值将具有形状 (n0, n2, n3) 。请注意，n1 和 m1 不必相等，但其他维度可以。

参考：

[1] Mielke, Paul W.“关于现有关系的一些平方等级测试的注释。”：

技术计量学，卷。 9、不。 2，1967 年，第 312-14 页。 JSTOR，https://doi.org/10.2307/1266427。访问日期：2022 年 5 月 18 日。

例子：

>>> import numpy as np
>>> from scipy import stats
>>> rng = np.random.default_rng()
>>> x2 = rng.standard_normal((2, 45, 6, 7))
>>> x1 = rng.standard_normal((2, 30, 6, 7))
>>> res = stats.mood(x1, x2, axis=1)
>>> res.pvalue.shape
(2, 6, 7)

求尺度差异不显著的点数：

>>> (res.pvalue > 0.1).sum()
78

用不同的尺度进行测试：

>>> x1 = rng.standard_normal((2, 30))
>>> x2 = rng.standard_normal((2, 35)) * 10.0
>>> stats.mood(x1, x2, axis=1)
SignificanceResult(statistic=array([-5.76174136, -6.12650783]),
                   pvalue=array([8.32505043e-09, 8.98287869e-10]))