scipy.stats._result_classes.TukeyHSDResult.

confidence_interval#

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

Вычислить доверительный интервал для указанного уровня доверия.

Параметры:

confidence_levelfloat, опционально: Уровень доверия для вычисленного доверительного интервала оцененной пропорции. По умолчанию .95.

Возвращает:

ciConfidenceInterval object: Объект имеет атрибуты low и high которые содержат нижние и верхние границы доверительных интервалов для каждого сравнения. Высокие и низкие значения доступны для каждого сравнения по индексу (i, j) между группами i и j.

Ссылки

[1]

NIST/SEMATECH e-Handbook of Statistical Methods, “7.4.7.1. Tukey’s Method.” https://www.itl.nist.gov/div898/handbook/prc/section4/prc471.htm, 28 ноября 2020.

[2]

P. A. Games и 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, Jun. 1976, doi: https://doi.org/10.3102/10769986001002113.

Примеры

>>> 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]])