Python dask.array.stats.ttest_1samp用法及代碼示例

用法: dask.array.stats.ttest_1samp(a, popmean, axis=0, nan_policy='propagate')

計算一組分數的平均值的T-test。

此文檔字符串是從 scipy.stats.ttest_1samp 複製而來的。

可能存在與 Dask 版本的一些不一致之處。

這是針對零假設的 two-sided 檢驗，即獨立觀察樣本的期望值(平均值)a 等於給定的總體平均值 popmean。

參數：

a：array_like

樣品觀察。

popmean：float 或數組

零假設中的期望值。如果是數組，那麽它必須具有與a 相同的形狀，不包括軸維度。

axis：int 或 None，可選

計算測試的軸；默認值為 0。如果沒有，則計算整個數組 a 。

nan_policy：{‘propagate’, ‘raise’, ‘omit’}，可選

定義當輸入包含 nan 時如何處理。以下選項可用(默認為‘propagate’)：

‘propagate’：返回 nan
‘raise’：引發錯誤
‘omit’：執行忽略 nan 值的計算

alternative：{‘two-sided’, ‘less’, ‘greater’}，可選(Dask 不支持)

定義備擇假設。以下選項可用(默認為“two-sided”)：

‘two-sided’
‘less’：one-sided
‘greater’：one-sided

statistic：浮點數或數組: t-statistic。
pvalue：浮點數或數組: Two-sided p-value。

例子：

>>> from scipy import stats  
>>> rng = np.random.default_rng()  
>>> rvs = stats.norm.rvs(loc=5, scale=10, size=(50, 2), random_state=rng)

測試隨機樣本的均值是否等於真實均值，以及不同的均值。我們在第二種情況下拒絕零假設，在第一種情況下不拒絕它。

>>> stats.ttest_1samp(rvs, 5.0)  
Ttest_1sampResult(statistic=array([-2.09794637, -1.75977004]), pvalue=array([0.04108952, 0.08468867]))
>>> stats.ttest_1samp(rvs, 0.0)  
Ttest_1sampResult(statistic=array([1.64495065, 1.62095307]), pvalue=array([0.10638103, 0.11144602]))

使用軸和非標量維度作為總體平均值的示例。

>>> result = stats.ttest_1samp(rvs, [5.0, 0.0])  
>>> result.statistic  
array([-2.09794637,  1.62095307])
>>> result.pvalue  
array([0.04108952, 0.11144602])

>>> result = stats.ttest_1samp(rvs.T, [5.0, 0.0], axis=1)  
>>> result.statistic  
array([-2.09794637,  1.62095307])
>>> result.pvalue  
array([0.04108952, 0.11144602])

>>> result = stats.ttest_1samp(rvs, [[5.0], [0.0]])  
>>> result.statistic  
array([[-2.09794637, -1.75977004],
       [ 1.64495065,  1.62095307]])
>>> result.pvalue  
array([[0.04108952, 0.08468867],
       [0.10638103, 0.11144602]])

相關用法

注：本文由純淨天空篩選整理自dask.org大神的英文原創作品 dask.array.stats.ttest_1samp。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

例子：