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)[source]#
沿给定轴计算截尾平均值的选定置信区间。
- 参数:
- dataarray_like
输入数据。
- limits{None, tuple}, optional
None 或包含两项的元组。表示从数组每一侧截去的百分比的元组,相对于未掩码的数据数量,为 0. 到 1. 之间的浮点数。如果
n
是截尾之前未掩码的数据的数量,则第 (n * limits[0]
) 个最小数据和第 (n * limits[1]
) 个最大数据被掩码。截尾之后未掩码数据的总数为n * (1. - sum(limits))
。一个限制的值可以设置为 None,以表示一个开区间。默认为 (0.2, 0.2)。
- inclusive(2,) tuple of boolean, optional
如果 relative==False,则表示是否允许值完全等于绝对限制的元组。 如果 relative==True,则表示每一侧要掩码的数据数量是否应该四舍五入 (True) 或截断 (False) 的元组。
默认为 (True, True)。
- alphafloat, optional
区间的置信水平。
默认为 0.05。
- axisint, optional
沿其截取的轴。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
截尾数据的下限和上限置信区间。