Python SciPy stats.friedmanchisquare用法及代碼示例

本文簡要介紹 python 語言中 scipy.stats.friedmanchisquare 的用法。

用法:

scipy.stats.friedmanchisquare(*samples)#

計算重複樣本的弗裏德曼檢驗。

弗裏德曼檢驗檢驗原假設，即同一個體的重複樣本具有相同的分布。它通常用於測試以不同方式獲得的樣品之間的一致性。例如，如果對同一組個體使用兩種抽樣技術，則可以使用弗裏德曼檢驗來確定這兩種抽樣技術是否一致。

參數 ：：

sample1, sample2, sample3…： array_like

觀察數組。所有數組必須具有相同數量的元素。必須至少提供三個樣品。

返回 ：：

statistic： 浮點數

檢驗統計量，校正平局。

pvalue： 浮點數

假設檢驗統計量具有卡方分布的相關 p 值。

注意：

由於假設檢驗統計量呈卡方分布，因此 p 值僅對 n > 10 且重複樣本數超過 6 個的情況可靠。

參考：

[1]

https://en.wikipedia.org/wiki/Friedman_test

[2]

P. Sprent 和 N.C. Smeeton，“應用非參數統計方法，第三版”。第 6 章第 6.3.2 節。

例子：

在[2]中，測量了七名學生在運動前、運動後立即和運動後5分鍾的脈搏率(每分鍾)。是否有證據表明這三種情況下的脈搏頻率相似？

我們首先製定原假設\(H_0\)：

The pulse rates are identical on these three occasions.

讓我們用弗裏德曼檢驗來評估這個假設的合理性。

>>> from scipy.stats import friedmanchisquare
>>> before = [72, 96, 88, 92, 74, 76, 82]
>>> immediately_after = [120, 120, 132, 120, 101, 96, 112]
>>> five_min_after = [76, 95, 104, 96, 84, 72, 76]
>>> res = friedmanchisquare(before, immediately_after, five_min_after)
>>> res.statistic
10.57142857142857
>>> res.pvalue
0.005063414171757498

使用 5% 的顯著性水平，我們會拒絕零假設，轉而支持備擇假設：“這三種情況下的脈率不同”。