scipy.stats.binomtest¶

scipy.stats.binomtest(k, n, p=0.5, alternative='two-sided')[源代码]¶

执行成功概率为p的测试。

二项检验 [1] 是对零假设的检验，即在伯努利实验中成功的概率是 p 。

测试的细节可以在许多关于统计的文本中找到，如第24.5节 [2].

参数

退货

结果： BinomTestResult 实例BinomTestResult实例

返回值是具有以下属性的对象：

K集成: 成功次数(复制自 binomtest 输入)。
n集成: 试验次数(复制自 binomtest 输入)。
替代方案应力: 指示在输入中指定的替代假设 binomtest 。这将是 'two-sided' ， 'greater' ，或 'less' 。
p值浮动: 假设检验的p值。
proportion_estimate浮动: 对成功比例的估计。

该对象具有以下方法：

PARPORATION_CI(置信度_LEVEL=0.95，METHOD=‘Exact’)：: 计算以下各项的置信区间 proportion_estimate 。

注意事项

1.7.0 新版功能.

参考文献

示例

>>> from scipy.stats import binomtest

一家汽车制造商声称，他们的汽车不超过10%是不安全的。对15辆汽车进行安全检查，发现3辆不安全。测试制造商的声明：

>>> result = binomtest(3, n=15, p=0.1, alternative='greater')
>>> result.pvalue
0.18406106910639114

零假设不能在5%的显著性水平上被拒绝，因为返回的p值大于5%的临界值。

估计的比例很简单 3/15 ：

>>> result.proportion_estimate
0.2

我们可以使用 proportion_ci() 计算估计置信区间的结果方法：

>>> result.proportion_ci(confidence_level=0.95)
ConfidenceInterval(low=0.05684686759024681, high=1.0)

scipy.stats.binom_test

scipy.stats.fligner