scipy.stats.mstats.

brunnermunzel#

scipy.stats.mstats.brunnermunzel(x, y, alternative='two-sided', distribution='t')[source]#

计算样本 x 和 y 的 Brunner-Munzel 检验。

将丢弃x和/或y中任何缺失的值。

Brunner-Munzel 检验是一种非参数检验，用于检验零假设，即当从每个组中逐个取值时，在两个组中获得大值的概率相等。与 Wilcoxon-Mann-Whitney 的 U 检验不同，这不需要两组等方差的假设。请注意，这并不假设分布相同。此检验适用于两个独立样本，它们的样本大小可能不同。

参数:
x, yarray_like

样本数组，应为一维。

alternative‘less’, ‘two-sided’, or ‘greater’, optional

是获取单侧假设（'less' 或 'greater'）还是双侧假设（'two-sided'）的 p 值。默认值为 'two-sided'。

distribution‘t’ or ‘normal’, optional

是通过 t 分布还是通过标准正态分布获取 p 值。默认值为 't'。

返回:
statisticfloat

Brunner-Munzer W 统计量。

pvaluefloat

假设 t 分布的 p 值。单侧或双侧，取决于alternative和distribution的选择。

另请参阅

mannwhitneyu

对两个样本进行 Mann-Whitney 秩检验。

注释

有关brunnermunzel的更多详细信息，请参阅scipy.stats.brunnermunzel。

示例

>>> from scipy.stats.mstats import brunnermunzel
>>> import numpy as np
>>> x1 = [1, 2, np.nan, np.nan, 1, 1, 1, 1, 1, 1, 2, 4, 1, 1]
>>> x2 = [3, 3, 4, 3, 1, 2, 3, 1, 1, 5, 4]
>>> brunnermunzel(x1, x2)
BrunnerMunzelResult(statistic=1.4723186918922935, pvalue=0.15479415300426624)  # may vary
在此页