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

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

在兩個相關的分數樣本 a 和 b 上計算 t-test。

此文檔字符串是從 scipy.stats.ttest_rel 複製而來的。

可能存在與 Dask 版本的一些不一致之處。

這是一個 two-sided 檢驗，用於零假設，即 2 個相關或重複樣本具有相同的平均(預期)值。

參數：

a, b：array_like

數組必須具有相同的形狀。

axis：int 或 None，可選

計算測試的軸。如果沒有，則計算整個數組 a 和 b 。

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。

注意：

使用的示例是同一組學生在不同考試中的分數，或從相同單元中重複抽樣。該測試衡量樣本之間的平均分數是否存在顯著差異(例如考試)。如果我們觀察到一個大的p-value，例如大於 0.05 或 0.1，那麽我們不能拒絕相同平均分數的原假設。如果 p-value 小於閾值，例如1%、5% 或 10%，那麽我們拒絕均值相等的原假設。小p-values 與大t-statistics 相關聯。

參考：

https://en.wikipedia.org/wiki/T-test#Dependent_t-test_for_paired_samples

例子：

>>> from scipy import stats  
>>> rng = np.random.default_rng()

>>> rvs1 = stats.norm.rvs(loc=5, scale=10, size=500, random_state=rng)  
>>> rvs2 = (stats.norm.rvs(loc=5, scale=10, size=500, random_state=rng)  
...         + stats.norm.rvs(scale=0.2, size=500, random_state=rng))
>>> stats.ttest_rel(rvs1, rvs2)  
Ttest_relResult(statistic=-0.4549717054410304, pvalue=0.6493274702088672)
>>> rvs3 = (stats.norm.rvs(loc=8, scale=10, size=500, random_state=rng)  
...         + stats.norm.rvs(scale=0.2, size=500, random_state=rng))
>>> stats.ttest_rel(rvs1, rvs3)  
Ttest_relResult(statistic=-5.879467544540889, pvalue=7.540777129099917e-09)

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_rel。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：

注意：

參考：

例子：