scipy.stats.

alexandergovern#

scipy.stats.alexandergovern(*samples, nan_policy='propagate', axis=0, keepdims=False)[源代码]#

执行 Alexander Govern 检验。

Alexander-Govern 近似检验检验面对异方差时 k 个独立均值的相等性。该检验应用于来自两个或更多组的样本，这些样本可能具有不同的样本量。

参数:
sample1, sample2, …array_like

每组的样本测量。必须至少有两个样本，并且每个样本必须至少包含两个观测值。

nan_policy{‘propagate’, ‘omit’, ‘raise’}

定义如何处理输入 NaN。

  • propagate：如果 NaN 存在于计算统计量的轴切片（例如行）中，则输出的相应项将为 NaN。

  • omit：在执行计算时，将忽略 NaN。如果计算统计量的轴切片中剩余的数据不足，则输出的相应项将为 NaN。

  • raise：如果 NaN 存在，将引发 ValueError。

axisint 或 None，默认值：0

如果为整数，则为计算统计数据的输入的轴。输入的每个轴片（例如行）的统计数据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对输入进行解开。

保持维度bool，默认值：False

如果将其设置为 True，则减少的轴将以大小为一的维度留在结果中。通过使用此选项，结果将针对输入数组正确广播。

返回:
resAlexanderGovernResult

带属性的对象

统计浮点

测试计算的 A 统计数据。

p 值浮点

来自卡方分布的相关 p 值。

警告:
ConstantInputWarning

如果输入是常量数组，则引发此警告。在这种情况下，未定义统计数据，因此返回 np.nan。

另请参见

f_oneway

单因素方差分析

注释

使用此测试依赖于若干假设。

  1. 样本是独立的。

  2. 每个样本来自一个正态分布的总体。

  3. 与 f_oneway 不同，此测试不假设同方差，相反放松了方差相等的假设。

输入样本必须是有限的、一维的且大小大于 1。

从 SciPy 1.9 开始，在执行计算之前，np.matrix 输入（不建议用于新代码）将转换为 np.ndarray。在这种情况下，输出将是标量或具有适当形状的 np.ndarray，而不是二维 np.matrix。类似地，虽然掩码数组掩码的元素将被忽略，但输出将是标量或 np.ndarray，而不是掩码值为 mask=False 的掩码数组。

参考

[1]

Alexander, Ralph A., 和 Diane M. Govern。“在方差异质性的情况下，ANOVA 的一种新的、更简单的近似方法。”教育统计学杂志，卷 19，第 2 期，1994 年，第 91-101 页。JSTOR，www.jstor.org/stable/1165140。访问时间：2020 年 9 月 12 日。

示例

>>> from scipy.stats import alexandergovern

下面是美国四座最大城市中九家最大银行对新车贷款收取的年利率数据，取自美国国家标准与技术研究所的 ANOVA 数据集。

我们使用 alexandergovern 以备选城市之间平均 APR 都不相同来检验所有城市平均 APR 都是相同的零假设。我们决定需要 5% 的显著性水平来拒绝以备选替代零假设。

>>> atlanta = [13.75, 13.75, 13.5, 13.5, 13.0, 13.0, 13.0, 12.75, 12.5]
>>> chicago = [14.25, 13.0, 12.75, 12.5, 12.5, 12.4, 12.3, 11.9, 11.9]
>>> houston = [14.0, 14.0, 13.51, 13.5, 13.5, 13.25, 13.0, 12.5, 12.5]
>>> memphis = [15.0, 14.0, 13.75, 13.59, 13.25, 12.97, 12.5, 12.25,
...           11.89]
>>> alexandergovern(atlanta, chicago, houston, memphis)
AlexanderGovernResult(statistic=4.65087071883494,
                      pvalue=0.19922132490385214)

p 值是 0.1992，表明在零假设下观察到如此极端的检验统计量值几乎有 20% 的几率。这超过了 5%，因此我们不会拒绝以备选替代零假设。

本页