本文简要介绍 python 语言中 scipy.stats.ranksums
的用法。
用法:
scipy.stats.ranksums(x, y, alternative='two-sided', *, axis=0, nan_policy='propagate', keepdims=False)#
计算两个样本的 Wilcoxon rank-sum 统计量。
Wilcoxon rank-sum 检验检验两组测量值来自同一分布的原假设。另一种假设是一个样本中的值更有可能大于另一个样本中的值。
该检验应用于比较来自连续分布的两个样本。它不处理 x 和 y 中的测量值之间的关系。对于tie-handling 和可选的连续性校正,请参见
scipy.stats.mannwhitneyu
。- x,y: array_like
来自两个样本的数据。
- 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”:其中一个分布(基础 x 或 y)随机大于另一个。
‘less’:x 的分布随机小于 y 的分布。
‘greater’:x 的分布随机大于 y 的分布。
- axis: int 或无,默认值:0
如果是 int,则计算统计量的输入轴。输入的每个axis-slice(例如行)的统计信息将出现在输出的相应元素中。如果
None
,输入将在计算统计数据之前被分解。- nan_policy: {‘propagate’, ‘omit’, ‘raise’}
定义如何处理输入 NaN。
propagate
:如果计算统计数据的轴切片(例如行)中存在NaN,则输出的相应条目将为 NaN。omit
: 计算时将省略NaNs。如果计算统计数据的轴切片中剩余的数据不足,则输出的相应条目将为 NaN。raise
:如果存在 NaN,则会引发ValueError
。
- keepdims: 布尔值,默认值:假
如果将其设置为 True,则缩小的轴将作为尺寸为 1 的尺寸留在结果中。使用此选项,结果将针对输入数组正确广播。
- statistic: 浮点数
large-sample 近似下的检验统计量,秩和统计量呈正态分布。
- pvalue: 浮点数
检验的 p 值。
参数 ::
返回 ::
注意:
从 SciPy 1.9 开始,
np.matrix
输入(不建议用于新代码)在执行计算之前转换为np.ndarray
。在这种情况下,输出将是标量或适当形状的np.ndarray
而不是 2Dnp.matrix
。同样,虽然屏蔽数组的屏蔽元素被忽略,但输出将是标量或np.ndarray
而不是带有mask=False
的屏蔽数组。参考:
例子:
我们可以通过计算 Wilcoxon rank-sum 统计量来检验两个独立的 unequal-sized 样本来自同一分布的假设。
>>> import numpy as np >>> from scipy.stats import ranksums >>> rng = np.random.default_rng() >>> sample1 = rng.uniform(-1, 1, 200) >>> sample2 = rng.uniform(-0.5, 1.5, 300) # a shifted distribution >>> ranksums(sample1, sample2) RanksumsResult(statistic=-7.887059, pvalue=3.09390448e-15) # may vary >>> ranksums(sample1, sample2, alternative='less') RanksumsResult(statistic=-7.750585297581713, pvalue=4.573497606342543e-15) # may vary >>> ranksums(sample1, sample2, alternative='greater') RanksumsResult(statistic=-7.750585297581713, pvalue=0.9999999999999954) # may vary
p 值小于
0.05
表示此检验拒绝 5% 显著性水平的假设。
相关用法
- Python SciPy stats.rankdata用法及代码示例
- Python SciPy stats.random_table用法及代码示例
- Python SciPy stats.random_correlation用法及代码示例
- Python SciPy stats.randint用法及代码示例
- Python SciPy stats.rayleigh用法及代码示例
- Python SciPy stats.rv_histogram用法及代码示例
- Python SciPy stats.recipinvgauss用法及代码示例
- Python SciPy stats.rvs_ratio_uniforms用法及代码示例
- Python SciPy stats.rel_breitwigner用法及代码示例
- Python SciPy stats.rice用法及代码示例
- Python SciPy stats.relfreq用法及代码示例
- Python SciPy stats.rv_discrete用法及代码示例
- Python SciPy stats.rv_continuous用法及代码示例
- Python SciPy stats.rdist用法及代码示例
- Python SciPy stats.anderson用法及代码示例
- Python SciPy stats.iqr用法及代码示例
- Python SciPy stats.genpareto用法及代码示例
- Python SciPy stats.skewnorm用法及代码示例
- Python SciPy stats.cosine用法及代码示例
- Python SciPy stats.norminvgauss用法及代码示例
- Python SciPy stats.directional_stats用法及代码示例
- Python SciPy stats.invwishart用法及代码示例
- Python SciPy stats.bartlett用法及代码示例
- Python SciPy stats.levy_stable用法及代码示例
- Python SciPy stats.page_trend_test用法及代码示例
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.ranksums。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。