scipy.stats.mstats.

brunnermunzel#

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

计算样本 x 和 y 的 Brunner-Munzel 检验。

会丢弃 x 和/或 y 中的任何缺失值。

Brunner-Munzel 检验是一种非参数检验，用于检验当从每个组中逐个取值时，在两个组中获得较大值的概率相等的零假设。与 Wilcoxon-Mann-Whitney 的 U 检验不同，它不需要两个组的等方差假设。请注意，这并不假设分布相同。此检验适用于两个独立的样本，它们的样本大小可能不同。

参数:

x, yarray_like: 样本数组，应该是一维的。
alternative‘less’、‘two-sided’ 或 ‘greater’，可选: 获取单侧假设（“less”或“greater”）或双侧假设（“two-sided”）的 p 值。默认值为“two-sided”。
distribution‘t’ 或 ‘normal’，可选: 是通过 t 分布还是标准正态分布来获得 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