scipy.stats.mstats.

brunnermunzel#

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

针对样本 x 和 y 计算布鲁纳-芒策尔检验。

x 和/或 y 中的任何缺失值都将被舍弃。

布鲁纳-芒策尔检验是一种非参数检验，用于检验对每个组中的样本进行逐个对比后，两组产生较大值概率相等的原假设。与 Wilcoxon-Mann-Whitney U 检验不同，不需假设两组等价协方差。请注意，这并不会假设分布相同。此检验适用于两个独立样本，这两个样本可能具有不同的样本量。

参数:

x, yarray_like: 样本数组，应为一维。
alternative‘less’, ‘two-sided’, 或 ‘greater’，可选: 获取单边假说（‘less’ 或 ‘greater’）的 p 值还是双边假说（‘two-sided’）的 p 值。默认值为 ‘two-sided’ 。
distribution‘t’ 或 ‘normal’，可选: 通过 t 分布还是标准正态分布获取 p 值。默认值为 ‘t’ 。

返回值:

statisticfloat: 布鲁纳-芒策尔 W 统计量。
pvaluefloat: 假设 t 分布的 p 值。单侧或双侧，具体取决于所选的替代和分布。

另请参见

mannwhitneyu: 针对两个样本的曼惠特尼秩次检验。

备注

要深入了解有关brunnermunzel的详细信息，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