scipy.stats._result_classes.TukeyHSDResult.

confidence_interval#

TukeyHSDResult.confidence_interval(confidence_level=0.95)[Quelle]#

Berechnet das Konfidenzintervall für das angegebene Konfidenzniveau.

Parameter:

confidence_levelfloat, optional: Konfidenzniveau für das berechnete Konfidenzintervall des geschätzten Anteils. Standard ist .95.

Rückgabe:

ciConfidenceInterval object: Das Objekt verfügt über die Attribute low und high, die die untere und obere Grenze der Konfidenzintervalle für jeden Vergleich enthalten. Die Werte für high und low sind für jeden Vergleich unter dem Index (i, j) zwischen den Gruppen i und j abrufbar.

Referenzen

[1]

NIST/SEMATECH e-Handbuch für statistische Methoden, „7.4.7.1. Tuckeys Methode.“ https://www.itl.nist.gov/div898/handbook/prc/section4/prc471.htm, 28. November 2020.

[2]

P. A. Games und J. F. Howell, „Pairwise Multiple Comparison Procedures with Unequal N’s and/or Variances: A Monte Carlo Study,“ Journal of Educational Statistics, vol. 1, no. 2, pp. 113-125, Juni 1976, doi: https://doi.org/10.3102/10769986001002113.

Beispiele

>>> from scipy.stats import tukey_hsd
>>> group0 = [24.5, 23.5, 26.4, 27.1, 29.9]
>>> group1 = [28.4, 34.2, 29.5, 32.2, 30.1]
>>> group2 = [26.1, 28.3, 24.3, 26.2, 27.8]
>>> result = tukey_hsd(group0, group1, group2)
>>> ci = result.confidence_interval()
>>> ci.low
array([[-3.649159, -8.249159, -3.909159],
       [ 0.950841, -3.649159,  0.690841],
       [-3.389159, -7.989159, -3.649159]])
>>> ci.high
array([[ 3.649159, -0.950841,  3.389159],
       [ 8.249159,  3.649159,  7.989159],
       [ 3.909159, -0.690841,  3.649159]])