scipy.stats.

obrientransform#

scipy.stats.obrientransform(*samples)[Quelle]#

Berechnet die O’Brien-Transformation auf Eingabedaten (beliebige Anzahl von Arrays).

Wird verwendet, um die Varianzhomogenität vor der Durchführung von One-Way-Statistiken zu testen. Jedes Array in *samples stellt eine Stufe eines Faktors dar. Wenn f_oneway auf die transformierten Daten angewendet und ein signifikantes Ergebnis gefunden wird, sind die Varianzen ungleich. Laut Maxwell und Delaney [1], S. 112.

Parameter:

stichprobe1, stichprobe2, …array_like: Beliebige Anzahl von Arrays.

Rückgabe:

obrientransformndarray: Transformierte Daten zur Verwendung in einer ANOVA. Die erste Dimension des Ergebnisses entspricht der Reihenfolge der transformierten Arrays. Wenn die gegebenen Arrays alle 1D und von gleicher Länge sind, ist der Rückgabewert ein 2D-Array; andernfalls ist es ein 1D-Array vom Typ Objekt, wobei jedes Element ein ndarray ist.

Löst aus:

ValueError: Wenn der Mittelwert der transformierten Daten nicht gleich der ursprünglichen Varianz ist, was auf eine fehlende Konvergenz bei der O’Brien-Transformation hinweist.

Referenzen

[1]

S. E. Maxwell und H. D. Delaney, „Designing Experiments and Analyzing Data: A Model Comparison Perspective“, Wadsworth, 1990.

Beispiele

Wir werden die folgenden Datensätze auf Unterschiede in ihrer Varianz testen.

>>> x = [10, 11, 13, 9, 7, 12, 12, 9, 10]
>>> y = [13, 21, 5, 10, 8, 14, 10, 12, 7, 15]

Wenden Sie die O’Brien-Transformation auf die Daten an.

>>> from scipy.stats import obrientransform
>>> tx, ty = obrientransform(x, y)

Verwenden Sie scipy.stats.f_oneway, um einen One-Way-ANOVA-Test auf die transformierten Daten anzuwenden.

>>> from scipy.stats import f_oneway
>>> F, p = f_oneway(tx, ty)
>>> p
0.1314139477040335

Wenn wir für die Signifikanz p < 0.05 fordern, können wir nicht schlussfolgern, dass die Varianzen unterschiedlich sind.