scipy.stats.mstats.

kendalltau

scipy.stats.mstats.kendalltau(x, y, use_ties=True, use_missing=False, method='auto', alternative='two-sided')

Berechnet Kendalls Rangkorrelationskoeffizient Tau für zwei Variablen x und y.

Parameter:

xSequenz

Erste Datenliste (z.B. Zeit).

ySequenz

Zweite Datenliste.

use_ties{True, False}, optional

Gibt an, ob eine Korrektur für Bindungen durchgeführt werden soll.

use_missing{False, True}, optional

Gibt an, ob fehlende Daten den Rang 0 (False) oder den Durchschnittsrang (True) erhalten sollen.

method{‘auto’, ‘asymptotic’, ‘exact’}, optional

Definiert, welche Methode zur Berechnung des p-Werts verwendet wird [1]. ‘asymptotic’ verwendet eine Normalen-Approximation, die für große Stichproben gültig ist. ‘exact’ berechnet den exakten p-Wert, kann aber nur verwendet werden, wenn keine Bindungen vorhanden sind. Mit zunehmender Stichprobengröße kann die Berechnungszeit für ‘exact’ steigen und das Ergebnis an Präzision verlieren. ‘auto’ ist die Standardeinstellung und wählt die geeignete Methode basierend auf einem Kompromiss zwischen Geschwindigkeit und Genauigkeit.

alternative{‘zweiseitig’, ‘kleiner’, ‘größer’}, optional

Definiert die Alternativhypothese. Standard ist ‘zweiseitig’. Folgende Optionen sind verfügbar

• ‘two-sided’: die Rangkorrelation ist ungleich Null

• ‘less’: die Rangkorrelation ist negativ (kleiner als Null)

• ‘greater’: die Rangkorrelation ist positiv (größer als Null)

Rückgabe:

resSignificanceResult

Ein Objekt, das Attribute enthält

statisticfloat

Die Tau-Statistik.

pvaluefloat

Der p-Wert für einen Hypothesentest, dessen Nullhypothese eine Abwesenheit von Assoziation, tau = 0, ist.

Referenzen

[1]

Maurice G. Kendall, „Rank Correlation Methods“ (4. Auflage), Charles Griffin & Co., 1970.