scipy.stats.ansari¶

scipy.stats.ansari(x, y, alternative='two-sided')[源代码]¶

对同等刻度参数执行Ansari-Bradley测试。

安萨里-布拉德利检验 ([1], [2]) 是对抽取两个样本的分布的尺度参数是否相等的非参数检验。零假设指出，基础分布规模的比率 x 到基础分布的规模 y 是1。

参数

x, yarray_like

示例数据数组。

alternative{‘双面’，‘少’，‘大’}，可选

定义了另一种假设。默认值为“双面”。以下选项可用：

1.7.0 新版功能.

退货

参见

注意事项

当样本大小均小于55且没有平局时，给出的p值是精确的，否则使用p值的正态近似。

参考文献

1: Ansari，A.和Bradley，R.A.(1960)离散度的秩和检验，“数理统计年鉴”，第31期，1174-1189页。
2: 斯普林特，彼得和北卡罗来纳州斯米顿。应用非参数统计方法。第三版。查普曼和霍尔/CRC2001年。第5.8.2节。
3: 纳撒尼尔·E·赫尔维希在http://users.stat.umn.edu/~helwig/notes/npde-Notes.pdf的“非参数色散和相等测试”(NathanielE.Helwig)

示例

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

对于这些示例，我们将创建三个随机数据集。前两个数据集大小分别为35和25，取自均值为0且标准差为2的正态分布。第三个数据集大小为25，取自标准差为1.25的正态分布。

>>> x1 = rng.normal(loc=0, scale=2, size=35)
>>> x2 = rng.normal(loc=0, scale=2, size=25)
>>> x3 = rng.normal(loc=0, scale=1.25, size=25)

首先我们申请 ansari 至 x1 和 x2 。这些样本来自相同的分布，所以我们预计Ansari-Bradley检验不会导致我们得出分布规模不同的结论。

>>> ansari(x1, x2)
AnsariResult(statistic=541.0, pvalue=0.9762532927399098)

在p值接近1的情况下，我们不能得出在刻度上有显著差异的结论(正如预期的那样)。

现在将测试应用于 x1 和 x3 ：

>>> ansari(x1, x3)
AnsariResult(statistic=425.0, pvalue=0.0003087020407974518)

在等尺度的零假设下，观察到这样一个统计量极值的概率仅为0.03087%。我们以此作为反对零假设的证据，支持另一种选择：样本的分布规模是不相等的。

我们可以使用 alternative 参数执行单尾测试。在上面的示例中， x1 大于 x3 因此，比例的比例 x1 和 x3 大于1。这意味着当p值 alternative='greater' 应该接近于0，因此我们应该能够拒绝零假设：

>>> ansari(x1, x3, alternative='greater')
AnsariResult(statistic=425.0, pvalue=0.0001543510203987259)

我们可以看到，p值确实很低。使用 alternative='less' 因此应产生较大的p值：

>>> ansari(x1, x3, alternative='less')
AnsariResult(statistic=425.0, pvalue=0.9998643258449039)

scipy.stats.tukey_hsd

scipy.stats.bartlett