scipy.stats.

binomtest#

scipy.stats.binomtest(k, n, p=0.5, alternative='two-sided')[Quelle]#

Führt einen Test durch, dass die Erfolgswahrscheinlichkeit p ist.

Der Binomialtest [1] ist ein Test der Nullhypothese, dass die Erfolgswahrscheinlichkeit in einem Bernoulli-Experiment p ist.

Details des Tests finden Sie in vielen Statistik-Lehrbüchern, wie z. B. Abschnitt 24.5 von [2].

Parameter:

kint: Die Anzahl der Erfolge.
nint: Die Anzahl der Versuche.
pfloat, optional: Die angenommene Erfolgswahrscheinlichkeit, d.h. der erwartete Anteil der Erfolge. Der Wert muss im Intervall 0 <= p <= 1 liegen. Der Standardwert ist p = 0.5.
alternative{‚two-sided‘, ‚greater‘, ‚less‘}, optional: Gibt die alternative Hypothese an. Der Standardwert ist ‚two-sided‘.

Rückgabe:

resultBinomTestResult-Instanz

Der Rückgabewert ist ein Objekt mit folgenden Attributen:

kint: Die Anzahl der Erfolge (kopiert aus der binomtest-Eingabe).
nint: Die Anzahl der Versuche (kopiert aus der binomtest-Eingabe).
alternativestr: Gibt die in der Eingabe an binomtest angegebene alternative Hypothese an. Es wird eine der Optionen 'two-sided', 'greater' oder 'less' sein.
statisticfloat: Der Schätzwert des Anteils der Erfolge.
pvaluefloat: Der p-Wert des Hypothesentests.

Das Objekt hat die folgenden Methoden

proportion_ci(confidence_level=0.95, method=’exact’): Berechnet das Konfidenzintervall für statistic.

Hinweise

Hinzugefügt in Version 1.7.0.

Referenzen

[1]

Binomialtest, https://en.wikipedia.org/wiki/Binomial_test

[2]

Jerrold H. Zar, Biostatistical Analysis (fünfte Auflage), Prentice Hall, Upper Saddle River, New Jersey USA (2010)

Beispiele

>>> from scipy.stats import binomtest

Ein Automobilhersteller behauptet, dass höchstens 10% seiner Autos unsicher sind. 15 Autos werden auf Sicherheit geprüft, 3 wurden als unsicher befunden. Testen Sie die Behauptung des Herstellers.

>>> result = binomtest(3, n=15, p=0.1, alternative='greater')
>>> result.pvalue
0.18406106910639114

Die Nullhypothese kann auf dem Signifikanzniveau von 5% nicht verworfen werden, da der zurückgegebene p-Wert größer als der kritische Wert von 5% ist.

Die Teststatistik ist gleich dem geschätzten Anteil, der einfach 3/15 beträgt.

>>> result.statistic
0.2

Wir können die Methode proportion_ci() des Ergebnisses verwenden, um das Konfidenzintervall des Schätzwerts zu berechnen.

>>> result.proportion_ci(confidence_level=0.95)
ConfidenceInterval(low=0.05684686759024681, high=1.0)