scipy.stats.mstats.

trimmed_mean_ci

scipy.stats.mstats.trimmed_mean_ci(data, limits=(0.2, 0.2), inclusive=(True, True), alpha=0.05, axis=None)

沿给定轴计算修剪均值的选定置信区间。

参数:

dataarray_like

输入数据。

limits{None, tuple}, 可选

None 或一个包含两个元素的元组。元组包含在数组每一侧要截断的百分比，相对于未掩码数据的数量，取值范围为 0 到 1 之间的浮点数。如果 n 是修剪前未掩码数据的数量，则第 (n * limits[0]) 小的数据和第 (n * limits[1]) 大的数据被掩码。修剪后未掩码数据的总数为 n * (1. - sum(limits))。可以将一个限制的值设置为 None，以表示开区间。

默认为 (0.2, 0.2)。

inclusive(2,) 布尔值元组，可选

如果 relative==False，则元组指示是否允许值与绝对限制完全相等。如果 relative==True，则元组指示每一侧被掩码的数据数量应四舍五入 (True) 还是截断 (False)。

默认为 (True, True)。

alphafloat, 可选

区间的置信水平。

默认为 0.05。

axisint, 可选

要进行切割的轴。如果为 None，则使用 data 的扁平化版本。

默认为 None。

返回:

trimmed_mean_ci(2,) ndarray

修剪数据的下限和上限置信区间。