scipy.stats.ranksums¶
- scipy.stats.ranksums(x, y, alternative='two-sided', *, axis=0, nan_policy='propagate')[源代码]¶
计算两个样本的Wilcoxon秩和统计量。
Wilcoxon秩和检验检验两组测量值来自同一分布的零假设。另一种假设是,一个样本中的值更有可能大于另一个样本中的值。
这个测试应该用来比较来自连续分布的两个样本。它不处理x和y中的测量值之间的连接。有关连接处理和可选的连续性校正,请参见
scipy.stats.mannwhitneyu
。- 参数
- x,yarray_like
这两个样本的数据。
- alternative{‘双面’,‘少’,‘大’},可选
定义了另一种假设。默认值为“双面”。以下选项可用:
‘双面’:分布之一(基础 x 或 y )随机地大于另一个。
“Less”:潜在的分布 x 随机性小于基础的分布 y 。
“更大”:潜在的分布 x 随机大于下面的分布 y 。
1.7.0 新版功能.
- 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。- 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。
- 退货
- statistic浮动
秩和统计量服从正态分布的大样本近似下的检验统计量。
- pvalue浮动
测试的p值。
参考文献
示例
我们可以通过计算Wilcoxon秩和统计量来检验两个独立的、大小不等的样本来自同一分布的假设。
>>> from scipy.stats import ranksums >>> rng = np.random.default_rng() >>> sample1 = rng.uniform(-1, 1, 200) >>> sample2 = rng.uniform(-0.5, 1.5, 300) # a shifted distribution >>> ranksums(sample1, sample2) RanksumsResult(statistic=-7.887059, pvalue=3.09390448e-15) # may vary >>> ranksums(sample1, sample2, alternative='less') RanksumsResult(statistic=-7.750585297581713, pvalue=4.573497606342543e-15) # may vary >>> ranksums(sample1, sample2, alternative='greater') RanksumsResult(statistic=-7.750585297581713, pvalue=0.9999999999999954) # may vary
小于的p值
0.05
表示此测试在5%的显著性水平上拒绝该假设。