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