scipy.stats.brunnermunzel¶
- scipy.stats.brunnermunzel(x, y, alternative='two-sided', distribution='t', nan_policy='propagate')[源代码]¶
计算样本x和y的Brunner-Munzel检验。
Brunner-Munzel检验是对零假设的非参数检验，即当从每组中逐个取值时，两组中获得大值的概率相等。与Wilcoxon-Mann-Whitney的U检验不同的是，它不需要假设两组之间的方差相等。请注意，这并不假设分布是相同的。此测试适用于两个可能具有不同大小的独立样本。
- 参数
- x, yarray_like
样本数组，应该是一维的。
- alternative{‘双面’，‘少’，‘大’}，可选
定义了另一种假设。有以下选项可用(默认为‘双面’)：
“双面”
‘less’：片面
“更大”：片面
- distribution{‘t’，‘Normal’}，可选
定义如何获取p值。以下选项可用(默认为‘t’)：
t‘：按t分布求p值
‘正态’：用标准正态分布得到p值。
- 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
Brunner-Munzer W统计量。
- pvalue浮动
假设t分布的p值。单面或双面，取决于选择 alternative 和 distribution 。
参见
mannwhitneyu两个样本的Mann-Whitney秩和检验。
注意事项
Brunner和Munzel建议在数据大小为50或更小时用t分布估计p值。如果尺寸小于10，最好使用置换的Brunner Munzel测试(请参见 [2]) 。
参考文献
- 1
布伦纳，E.和芒泽尔，美国“非参数Benhrens-Fisher问题：渐近理论和小样本近似”。生物识别杂志。第42卷(2000)：17-25。
- 2
Neubert，K.和Brunner，E.“非参数Behrens-Fisher问题的学生化置换检验”。计算统计与数据分析。第51卷(2007年)：5192-5204。
示例
>>> from scipy import stats >>> x1 = [1,2,1,1,1,1,1,1,1,1,2,4,1,1] >>> x2 = [3,3,4,3,1,2,3,1,1,5,4] >>> w, p_value = stats.brunnermunzel(x1, x2) >>> w 3.1374674823029505 >>> p_value 0.0057862086661515377