scipy.stats.kruskal¶

scipy.stats.kruskal(*args, nan_policy='propagate', axis=0)[源代码]¶

计算独立样本的Kruskal-Wallis H检验。

Kruskal-Wallis H检验检验了所有组的总体中位数相等的零假设。它是方差分析的非参数版本。该测试对2个或更多可能具有不同大小的独立样本进行测试。请注意，拒绝零假设并不表明哪一组不同。需要在组之间进行事后比较，以确定哪些组不同。

参数

样本1，样本2，.array_like

具有样本测量的两个或多个数组可以作为参数给出。样本必须是一维的。

nan_policy{‘传播’，‘省略’，‘提升’}

定义如何处理输入NAN。

propagate ：如果沿其计算统计的轴切片(例如行)中存在NaN，则输出的相应条目将为NaN。
omit ：执行计算时将省略NAN。如果沿其计算统计数据的轴片中剩余的数据不足，则输出的相应条目将为NaN。
raise ：如果存在NaN，则 ValueError 都会被举起。

axis整型或无，默认值：0

如果为int，则为要沿其计算统计信息的输入轴。输入的每个轴切片(例如行)的统计将出现在输出的相应元素中。如果 None ，则在计算统计数据之前将分解输入。

退货

statistic浮动: Kruskal-Wallis H统计数据，修正了平局。
pvalue浮动: 假设H为卡方分布的检验的p值。返回的p值是在H处计算的卡方分布的生存函数。

参见

f_oneway: 单因素方差分析。
mannwhitneyu: 两个样本的Mann-Whitney秩和检验。
friedmanchisquare: 对重复测量进行弗里德曼检验。

注意事项

由于假设H服从卡方分布，所以每组样本的数量不能太少。一个典型的规则是每个样本必须至少有5个尺寸。

参考文献

1: W.H.Kruskal和W.W.Wallis，“单标准方差分析中秩的使用”，“美国统计协会杂志”，第47卷，第260期，第583-621页，1952年。
2: https://en.wikipedia.org/wiki/Kruskal-Wallis_one-way_analysis_of_variance

示例

>>> from scipy import stats
>>> x = [1, 3, 5, 7, 9]
>>> y = [2, 4, 6, 8, 10]
>>> stats.kruskal(x, y)
KruskalResult(statistic=0.2727272727272734, pvalue=0.6015081344405895)

>>> x = [1, 1, 1]
>>> y = [2, 2, 2]
>>> z = [2, 2]
>>> stats.kruskal(x, y, z)
KruskalResult(statistic=7.0, pvalue=0.0301973834223185)

scipy.stats.wilcoxon

scipy.stats.friedmanchisquare