scipy.stats.

alexandergovern#

scipy.stats.alexandergovern(*samples, nan_policy='propagate', axis=0, keepdims=False)[Quelle]#

Führt den Alexander Govern-Test durch.

Die Alexander-Govern-Approximation testet die Gleichheit von k unabhängigen Mittelwerten bei Varianzheterogenität. Der Test wird auf Stichproben aus zwei oder mehr Gruppen angewendet, möglicherweise mit unterschiedlichen Größen.

Parameter:
stichprobe1, stichprobe2, …array_like

Die Stichprobenmessungen für jede Gruppe. Es müssen mindestens zwei Stichproben vorhanden sein, und jede Stichprobe muss mindestens zwei Beobachtungen enthalten.

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

Definiert, wie Eingabe-NaNs behandelt werden.

  • propagate: Wenn ein NaN in der Achsen-Slice (z. B. Zeile) vorhanden ist, entlang der die Statistik berechnet wird, wird der entsprechende Eintrag der Ausgabe NaN sein.

  • omit: NaNs werden bei der Berechnung weggelassen. Wenn im Achsen-Slice, entlang dem die Statistik berechnet wird, nicht genügend Daten verbleiben, wird der entsprechende Eintrag der Ausgabe NaN sein.

  • raise: Wenn ein NaN vorhanden ist, wird ein ValueError ausgelöst.

axisint oder None, Standard: 0

Wenn es sich um eine ganze Zahl handelt, ist dies die Achse des Eingabearrays, entlang der die Statistik berechnet wird. Die Statistik jedes Achsen-Slices (z. B. Zeile) der Eingabe erscheint dann in einem entsprechenden Element der Ausgabe. Wenn None, wird die Eingabe vor der Berechnung der Statistik geglättet.

keepdimsbool, Standard: False

Wenn dies auf True gesetzt ist, bleiben die reduzierten Achsen im Ergebnis als Dimensionen mit der Größe eins erhalten. Mit dieser Option wird das Ergebnis korrekt gegen das Eingabearray gestreut (broadcasted).

Rückgabe:
resAlexanderGovernResult

Ein Objekt mit den Attributen

statisticfloat

Die berechnete A-Statistik des Tests.

pvaluefloat

Der zugehörige p-Wert aus der Chi-Quadrat-Verteilung.

Warnungen:
ConstantInputWarning

Ausgelöst, wenn eine Eingabe ein konstantes Array ist. Die Statistik ist in diesem Fall nicht definiert, daher wird np.nan zurückgegeben.

Siehe auch

f_oneway

einfaktorielle ANOVA

Hinweise

Die Verwendung dieses Tests beruht auf mehreren Annahmen.

  1. Die Stichproben sind unabhängig.

  2. Jede Stichprobe stammt aus einer normalverteilten Grundgesamtheit.

  3. Im Gegensatz zu f_oneway nimmt dieser Test keine Homoskedastizität an, sondern lockert die Annahme gleicher Varianzen.

Die Eingabestichproben müssen endlich, eindimensional und größer als eins sein.

Seit SciPy 1.9 werden np.matrix-Eingaben (für neuen Code nicht empfohlen) vor der Berechnung in np.ndarray konvertiert. In diesem Fall ist die Ausgabe eine Skalar- oder np.ndarray mit geeigneter Form anstelle eines 2D-np.matrix. Ebenso werden, während maskierte Elemente von Masked Arrays ignoriert werden, die Ausgabe eine Skalar- oder np.ndarray anstelle eines Masked Arrays mit mask=False sein.

Referenzen

[1]

Alexander, Ralph A., und Diane M. Govern. „A New and Simpler Approximation for ANOVA under Variance Heterogeneity.“ Journal of Educational Statistics, Bd. 19, Nr. 2, 1994, S. 91–101. JSTOR, www.jstor.org/stable/1165140. Zugänglich am 12. Sept. 2020.

Beispiele

>>> from scipy.stats import alexandergovern

Hier sind einige Daten zum jährlichen Zinssatz für Neuwagenkredite bei neun der größten Banken in vier amerikanischen Städten, entnommen aus dem ANOVA-Datensatz des National Institute of Standards and Technology.

Wir verwenden alexandergovern, um die Nullhypothese zu testen, dass alle Städte den gleichen durchschnittlichen effektiven Jahreszins haben, gegen die Alternativhypothese, dass die Städte nicht alle den gleichen durchschnittlichen effektiven Jahreszins haben. Wir entscheiden, dass ein Signifikanzniveau von 5 % erforderlich ist, um die Nullhypothese zugunsten der Alternativhypothese abzulehnen.

>>> atlanta = [13.75, 13.75, 13.5, 13.5, 13.0, 13.0, 13.0, 12.75, 12.5]
>>> chicago = [14.25, 13.0, 12.75, 12.5, 12.5, 12.4, 12.3, 11.9, 11.9]
>>> houston = [14.0, 14.0, 13.51, 13.5, 13.5, 13.25, 13.0, 12.5, 12.5]
>>> memphis = [15.0, 14.0, 13.75, 13.59, 13.25, 12.97, 12.5, 12.25,
...           11.89]
>>> alexandergovern(atlanta, chicago, houston, memphis)
AlexanderGovernResult(statistic=4.65087071883494,
                      pvalue=0.19922132490385214)

Der p-Wert beträgt 0,1992, was einer Wahrscheinlichkeit von fast 20 % entspricht, einen so extremen Wert der Teststatistik unter der Nullhypothese zu beobachten. Dies übersteigt 5 %, daher lehnen wir die Nullhypothese zugunsten der Alternativhypothese nicht ab.

Auf dieser Seite