scipy.stats.fligner¶
- scipy.stats.fligner(*args, center='median', proportiontocut=0.05)[源代码]¶
对方差相等进行Fligner-Killeen检验。
Fligner检验检验了所有输入样本都来自具有相等方差的总体的零假设。当总体相同时,Fligner-Killeen检验是无分布的 [2].
- 参数
- 样本1,样本2,.array_like
示例数据数组。不需要相同的长度。
- center{‘Mean’,‘Medium’,‘Trimmed’},可选
关键字参数控制在计算测试统计时使用数据的哪个函数。默认值为“Medium”。
- proportiontocut浮动,可选
什么时候 center 是“修剪”的,这给出了要从两端剪切的数据点的比例。(请参阅
scipy.stats.trim_mean
。)默认值为0.05。
- 退货
- statistic浮动
测试统计数据。
- pvalue浮动
假设检验的p值。
注意事项
与莱文的测试一样,弗利格纳测试有三种变体,它们在测试中使用的中心倾向测量方法上有所不同。看见
levene
了解更多信息。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
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。https://cecas.clemson.edu/~cspark/cv/paper/qif/draftqif2.pdf
- 2
弗利格纳,M.A.和基林,T.J.(1976)。无分布的两样本标度检验。“美国统计协会期刊”,第71期(353年),第210-213页。
- 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
王晓华,约翰逊,M.E.和约翰逊M.M.(1981)。方差均匀性检验的比较研究,以及在外大陆架投标数据中的应用。技术计量学,23(4),351-361。
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 fligner >>> 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 = fligner(a, b, c) >>> p 0.00450826080004775
较小的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]