scipy.stats.

tsem#

scipy.stats.tsem(a, limits=None, inclusive=(True, True), axis=0, ddof=1, *, nan_policy='propagate', keepdims=False)[source]#

计算截断均值的标准误差。

该函数查找给定值的均值的标准误差，忽略给定limits之外的值。

参数:
aarray_like

值的数组。

limitsNone 或 (下限, 上限), 可选

输入数组中小于下限或大于上限的值将被忽略。当 limits 为 None 时，将使用所有值。元组中的任一限制值也可以为 None，表示半开区间。默认值为 None。

inclusive(bool, bool), 可选

由（下限标志，上限标志）组成的元组。这些标志确定是否包含完全等于下限或上限的值。默认值为 (True, True)。

axisint 或 None, 默认值: 0

如果为 int，则为计算统计量的输入轴。输入的每个轴切片（例如，行）的统计量将显示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

自由度的增量。默认为 1。

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

定义如何处理输入 NaN。

  • propagate: 如果在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: 执行计算时将省略 NaN。如果沿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，则缩减的轴将保留在结果中，作为大小为 1 的维度。使用此选项，结果将与输入数组正确广播。

返回:
tsemfloat

截断均值的标准误差。

注释

tsem 使用无偏样本标准差，即它使用校正因子 n / (n - 1)。

从 SciPy 1.9 开始，np.matrix 输入（不建议用于新代码）在执行计算之前会转换为 np.ndarray。在这种情况下，输出将是标量或具有适当形状的 np.ndarray，而不是 2D np.matrix。同样，虽然会忽略屏蔽数组的屏蔽元素，但输出将是标量或 np.ndarray，而不是 mask=False 的屏蔽数组。

tsem 除了 NumPy 之外，还对 Python Array API 标准兼容后端提供实验性支持。 请考虑通过设置环境变量 SCIPY_ARRAY_API=1 并提供 CuPy、PyTorch、JAX 或 Dask 数组作为数组参数来测试这些功能。 支持以下后端和设备（或其他功能）的组合。

库

CPU

GPU

NumPy

✅

n/a

CuPy

n/a

✅

PyTorch

✅

✅

JAX

✅

✅

Dask

✅

n/a

有关更多信息，请参见 对 array API 标准的支持。

示例

>>> import numpy as np
>>> from scipy import stats
>>> x = np.arange(20)
>>> stats.tsem(x)
1.3228756555322954
>>> stats.tsem(x, (3,17))
1.1547005383792515
在此页