scipy.stats.bartlett¶

scipy.stats.bartlett(*args)[源代码]¶

进行Bartlett‘s检验，以确定是否有相等的方差。

Bartlett检验检验了零假设，即所有输入样本都来自方差相等的总体。对于来自显著非正态总体的样本，莱文检验 levene 更加健壮。

参数

样本1，样本2，.array_like: 示例数据数组。只接受一维阵列，它们可能有不同的长度。

退货

statistic浮动: 测试统计数据。
pvalue浮动: 测试的p值。

参见

fligner: k个方差相等的非参数检验
levene: k个方差相等的稳健参数检验

注意事项

Conover等人。(1981)通过广泛的模拟检查了许多现有的参数和非参数检验，他们得出结论，Fligner和Killeen(1976)和Levene(1960)提出的检验在偏离正态和幂的稳健性方面似乎更好 ([3]) 。

参考文献

1: https://www.itl.nist.gov/div898/handbook/eda/section3/eda357.htm
2: “统计方法”，第八版，爱荷华州立大学出版社，1989年。
3: PARK，C.和Lindsay，B.G.(1999)。基于二次推理函数的稳健规模估计与假设检验。技术报告#99-03，宾夕法尼亚州立大学可能性研究中心。
4: Bartlett，M.S.(1937年)。充分性和统计检验的性质。伦敦皇家学会论文集。“数学与物理科学”A辑，第160卷，第901期，第268-282页。

示例

测试列表是否 a ， b 和 c 来自具有相等方差的种群。

>>> from scipy.stats import bartlett
>>> a = [8.88, 9.12, 9.04, 8.98, 9.00, 9.08, 9.01, 8.85, 9.06, 8.99]
>>> b = [8.88, 8.95, 9.29, 9.44, 9.15, 9.58, 8.36, 9.18, 8.67, 9.05]
>>> c = [8.95, 9.12, 8.95, 8.85, 9.03, 8.84, 9.07, 8.98, 8.86, 8.98]
>>> stat, p = bartlett(a, b, c)
>>> p
1.1254782518834628e-05

非常小的p值表明总体的方差不相等。

这并不令人惊讶，因为 b 比之大得多。 a 和 c ：

>>> [np.var(x, ddof=1) for x in [a, b, c]]
[0.007054444444444413, 0.13073888888888888, 0.008890000000000002]

scipy.stats.ansari

scipy.stats.levene