雷利莱特#
- astropy.stats.rayleightest(data, axis=None, weights=None)[源代码]#
执行瑞利均匀性测试。
该测试用于识别非均匀分布,即它是为检测均匀性的单峰偏差而设计的。更精确地说,假设是零分布的。-H1(另类假设):种群不均匀地分布在圆周围。较小的p值意味着拒绝原假设。
- 参数:
- data :
ndarray
或Quantity
Ndarray或数量 圆形(定向)数据数组,假定在任何时候都以弧度为单位
data
是numpy.ndarray
.- axis :
int
,可选PYTHON:int,可选 进行瑞利测试的轴。
- weights :
numpy.ndarray
,可选努比·恩达雷,可选 对于分组数据,第i个元素
weights
表示每个组的权重因子,以便np.sum(weights, axis)
等于观察数。看到了吗 [1], 备注1.4,第22页,详细说明。
- data :
- 返回:
- p-valuePython:浮点或数量 [:ref: 'dimensionless']
工具书类
[1]S、 R.Jammalamadaka,A.SenGupta.“循环统计专题”。多元分析系列,第5卷,2001年。
[2]C、 阿古斯蒂内利,U.Lund“循环统计专题(2001)”中的循环统计。2015<https://cran.r-project.org/web/packages/CircStats/CircStats.pdf>
[3]M、 克里斯曼,C.米勒。”测试方向样本的一致性。”课堂讲稿,STA 6934/5805。佛罗里达大学,2007年。
[4]D·威尔基。循环数据随机性的瑞利检验。应用统计学。1983年。<http://wexler.free.fr/library/files/wilkie%20(1983)%20rayleigh%20test%20for%20randomness%20of%20circular%20data.pdf>
实例
>>> import numpy as np >>> from astropy.stats import rayleightest >>> from astropy import units as u >>> data = np.array([130, 90, 0, 145])*u.deg >>> rayleightest(data) <Quantity 0.2563487733797317>