scipy.stats.

mood#

scipy.stats.mood(x, y, axis=0, alternative='two-sided', *, nan_policy='propagate', keepdims=False)[source]#

执行 Mood 尺度参数相等性检验。

Mood 两样本尺度参数检验是一种非参数检验，用于检验两个样本是否来自具有相同尺度参数的同一分布。

参数:
x, y类似数组

样本数据的数组。至少需要三个观察值。

axisint 或 None，默认值：0

如果为整数，则为计算统计量的输入轴。输入的每个轴切片（例如行）的统计量会显示在输出的相应元素中。如果为 None，则在计算统计量之前，输入会先展开。

alternative{‘two-sided’, ‘less’, ‘greater’}，可选

定义备选假设。默认为“双边”。可用的选项如下：

  • '双边'：分布于基础 x 和 y 的分布的尺度不同。

  • '小于'：分布于基础 x 的分布的尺度小于分布于基础 y 的分布的尺度。

  • '大于'：分布于基础 x 的分布的尺度大于分布于基础 y 的分布的尺度。

在版本 1.7.0 中添加。

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

定义如何处理输入 NaN。

  • propagate：如果轴切片（例如行）中存在 NaN（即计算统计量），则输出的相应条目将是 NaN。

  • omit：执行计算时将省略 NaN。如果计算统计量的轴切片中剩余数据不足，则输出的相应条目将是 NaN。

  • raise：如果存在 NaN，则会引发 ValueError。

keepdimsbool，默认值：False

如果将此设置设为 True，则降维的轴将作为大小为 1 的维数保留在结果中。使用此选项，结果将针对输入数组正确广播。

返回:
resSignificanceResult

包含属性的对象

statistic标量或 ndarray

用于假设检验的 z 分数。对于 1-D 输入，将返回一个标量。

pvalue标量 ndarray

用于假设检验的 p 值。

另请参阅

fligner

k 个方差相等的非参数检验

ansari

2 个方差相等的非参数检验

bartlett

正态样本中 k 个方差相等的非参数检验

levene

k 个方差相等的非参数检验

注意

假设数据是从概率分布 f(x) 和 f(x / s) / s 绘制，分别为某种概率密度函数 f。原假设是 s == 1。

对于多维数组，如果输入的形状为 (n0, n1, n2, n3) 和 (n0, m1, n2, n3)，则如果 axis=1，则结果 z 和 p 值的形状将为 (n0, n2, n3)。请注意，n1 和 m1 不必相等，但其他维数必须相等。

从 SciPy 1.9 开始，np.matrix 输入（不建议用于新代码）在执行计算之前会转换为 np.ndarray。在这种情况下，输出将是标量或形状合适的 np.ndarray 而不是二维 np.matrix。类似地，虽然会忽略掩码数组的掩码元素，但输出将是标量或 np.ndarray 而不是掩码为 mask=False 的掩码数组。

参考

[1] Mielke, Paul W. “Note on Some Squared Rank Tests with Existing Ties.”

Technometrics, vol. 9, no. 2, 1967, pp. 312-14. JSTOR, https://doi.org/10.2307/1266427. 访问于 2022 年 5 月 18 日。

示例

>>> import numpy as np
>>> from scipy import stats
>>> rng = np.random.default_rng()
>>> x2 = rng.standard_normal((2, 45, 6, 7))
>>> x1 = rng.standard_normal((2, 30, 6, 7))
>>> res = stats.mood(x1, x2, axis=1)
>>> res.pvalue.shape
(2, 6, 7)

找出尺度差值不显著的点数

>>> (res.pvalue > 0.1).sum()
78

使用不同的尺度执行测试

>>> x1 = rng.standard_normal((2, 30))
>>> x2 = rng.standard_normal((2, 35)) * 10.0
>>> stats.mood(x1, x2, axis=1)
SignificanceResult(statistic=array([-5.76174136, -6.12650783]),
                   pvalue=array([8.32505043e-09, 8.98287869e-10]))
本页内容