scipy.stats.

binomtest#

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

Выполнить проверку, что вероятность успеха равна p.

Биномиальный тест [1] является проверкой нулевой гипотезы о том, что вероятность успеха в эксперименте Бернулли равна p.

Подробности теста можно найти во многих учебниках по статистике, таких как раздел 24.5 [2].

Параметры:

kint: Количество успехов.
nint: Количество испытаний.
pfloat, опционально: Гипотетическая вероятность успеха, т.е. ожидаемая доля успехов. Значение должно находиться в интервале 0 <= p <= 1. Значение по умолчанию: p = 0.5.
альтернатива{‘two-sided’, ‘greater’, ‘less’}, опционально: Указывает альтернативную гипотезу. Значение по умолчанию — 'two-sided'.

Возвращает:

результатBinomTestResult экземпляр

Возвращаемое значение — объект со следующими атрибутами:

kint: Количество успехов (скопировано из binomtest вход).
nint: Количество испытаний (скопировано из binomtest вход).
альтернативаstr: Указывает альтернативную гипотезу, заданную во входных данных для binomtest. Это будет один из 'two-sided', 'greater', или 'less'.
статистикаfloat: Оценка доли успехов.
p-значениеfloat: p-значение проверки гипотезы.

Объект имеет следующие методы:

proportion_ci(confidence_level=0.95, method=’exact’) :: Вычислите доверительный интервал для statistic.

Примечания

Добавлено в версии 1.7.0.

Ссылки

[1]

Биномиальный тест, https://en.wikipedia.org/wiki/Binomial_test

[2]

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

Примеры

>>> from scipy.stats import binomtest

Производитель автомобилей утверждает, что не более 10% их автомобилей небезопасны. Проверено 15 автомобилей на безопасность, 3 оказались небезопасными. Проверьте утверждение производителя:

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

Нулевая гипотеза не может быть отвергнута на 5% уровне значимости, потому что возвращённое p-значение больше критического значения 5%.

Тестовая статистика равна оценённой пропорции, которая просто 3/15:

>>> result.statistic
0.2

Мы можем использовать proportion_ci() методом результата для вычисления доверительного интервала оценки:

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