scipy.stats.alexandergovern¶
- scipy.stats.alexandergovern(*args, nan_policy='propagate')[源代码]¶
执行亚历山大治理测试。
亚历山大治理近似检验了面对方差的异质性时k个独立均值的相等性。该测试适用于来自两组或更多组的样本,可能具有不同的大小。
- 参数
- 样本1,样本2,.array_like
每组的样本测量。必须至少有两个样品。
- nan_policy{‘Propagate’,‘RAISE’,‘OMIT’},可选
定义输入包含NaN时的处理方式。以下选项可用(默认值为‘Propagate’):
‘Propagate’:返回NaN
“raise”:引发错误
‘omit’:执行计算时忽略NaN值
- 退货
- statistic浮动
计算出了考试的统计数据。
- pvalue浮动
来自卡方分布的相关p值。
- 警告
- AlexanderGovernConstantInputWarning
如果输入是常量数组,则引发。在本例中未定义统计信息,因此
np.nan
返回。
参见
f_oneway
单因素方差分析
注意事项
这项测试的使用依赖于几个假设。
样品是独立的。
每个样本都来自正态分布的人群。
不像
f_oneway
,这个检验没有假设同方差,而是放松了方差相等的假设。
输入样本必须是有限的、一维的并且大小大于1。
参考文献
- 1
亚历山大、拉尔夫·A和黛安·M。“方差异质性下方差分析的一种新的、更简单的近似。”“教育统计杂志”,第一卷。19,第2期,1994年,第91-101页。JSTOR,www.jstor.org/STRATE/1165140。访问时间为9月12日2020年。
示例
>>> from scipy.stats import alexandergovern
以下是美国四个城市中九家最大银行的新车贷款年利率百分比的一些数据,这些数据来自美国国家标准与技术研究所(National Institute Of Standards And Technology)的方差分析(ANOVA)数据集。
我们使用
alexandergovern
检验零假设,即所有城市的平均年利率都相同,而另一种假设是,城市并不都有相同的平均年利率。我们决定,需要5%的显著性水平才能拒绝零假设,支持替代方案。>>> atlanta = [13.75, 13.75, 13.5, 13.5, 13.0, 13.0, 13.0, 12.75, 12.5] >>> chicago = [14.25, 13.0, 12.75, 12.5, 12.5, 12.4, 12.3, 11.9, 11.9] >>> houston = [14.0, 14.0, 13.51, 13.5, 13.5, 13.25, 13.0, 12.5, 12.5] >>> memphis = [15.0, 14.0, 13.75, 13.59, 13.25, 12.97, 12.5, 12.25, ... 11.89] >>> alexandergovern(atlanta, chicago, houston, memphis) AlexanderGovernResult(statistic=4.65087071883494, pvalue=0.19922132490385214)
p值为0.1992,表明在零假设下观察到测试统计的这种极值的可能性接近20%.这超过了5%,所以我们没有拒绝零假设,而是支持替代方案。