scipy.stats.

sem#

scipy.stats.sem(a, axis=0, ddof=1, nan_policy='propagate', *, keepdims=False)[源代码]#

计算均值的标准误差。

计算输入数组中值的均值的标准误差(或测量标准误差)。

参数:
aarray_like

一个包含要返回标准误差的值的数组。必须包含至少两个观测值。

axisint 或 None,默认值:0

如果为 int,则为沿其计算统计量的输入轴。输入的每个轴切片(例如,行)的统计量将出现在输出的相应元素中。如果为 None,则在计算统计量之前将输入展平。

ddofint,可选

自由度差值。与方差的总体估计相比,在有限样本中调整偏差的自由度数量。默认为 1。

nan_policy{‘propagate’, ‘omit’, ‘raise’}

定义如何处理输入 NaN。

  • propagate:如果沿其计算统计量的轴切片(例如,行)中存在 NaN,则输出的相应条目将为 NaN。

  • omit:执行计算时将忽略 NaN。如果沿其计算统计量的轴切片中剩余的数据不足,则输出的相应条目将为 NaN。

  • raise:如果存在 NaN,将引发 ValueError

keepdimsbool,默认值:False

如果设置为 True,则减小的轴将作为大小为 1 的维度留在结果中。使用此选项,结果将正确广播到输入数组。

返回:
sndarray 或 float

沿输入轴的样本均值的标准误差。

注释

ddof 的默认值与 np.std 和 np.nanstd 等其他包含 ddof 的例程使用的默认值(0)不同。

从 SciPy 1.9 开始,在执行计算之前,np.matrix 输入(不建议用于新代码)将转换为 np.ndarray。在这种情况下,输出将是标量或形状合适的 np.ndarray,而不是 2D np.matrix。同样,虽然会忽略掩码数组的掩码元素,但输出将是标量或 np.ndarray,而不是带有 mask=False 的掩码数组。

示例

查找沿第一轴的标准误差

>>> import numpy as np
>>> from scipy import stats
>>> a = np.arange(20).reshape(5,4)
>>> stats.sem(a)
array([ 2.8284,  2.8284,  2.8284,  2.8284])

使用 n 个自由度查找整个数组的标准误差

>>> stats.sem(a, axis=None, ddof=0)
1.2893796958227628