scipy.stats.mstats.

brunnermunzel#

scipy.stats.mstats.brunnermunzel(x, y, альтернатива='two-sided', распределение='t')[источник]#

Выполнить тест Бруннера-Мунзеля на выборках x и y.

Любые пропущенные значения в x и/или y отбрасываются.

Тест Бруннера-Мунцеля — это непараметрический тест нулевой гипотезы о том, что когда значения берутся по одному из каждой группы, вероятности получения больших значений в обеих группах равны. В отличие от U-критерия Уилкоксона-Манна-Уитни, он не требует предположения об эквивариантности двух групп. Обратите внимание, что он не предполагает одинаковости распределений. Этот тест работает с двумя независимыми выборками, которые могут иметь разные размеры.

Параметры:

x, yarray_like: Массив выборок, должен быть одномерным.
альтернатива‘less’, ‘two-sided’ или ‘greater’, опционально: Получать ли p-значение для односторонней гипотезы ('less' или 'greater') или для двусторонней гипотезы ('two-sided'). Значение по умолчанию - 'two-sided'.
распределение‘t’ или ‘normal’, опционально: Определяет, получать ли p-значение через t-распределение или через стандартное нормальное распределение. Значение по умолчанию — 't'.

Возвращает:

статистикаfloat: Статистика W Бруннера-Мунцера.
p-значениеfloat: p-значение, предполагающее t-распределение. Одностороннее или двустороннее, в зависимости от выбора альтернатива и распределение.

Смотрите также

mannwhitneyu: Ранговый критерий Манна-Уитни для двух выборок.

Примечания

Для более подробной информации о brunnermunzel, см. scipy.stats.brunnermunzel.

Примеры

>>> from scipy.stats.mstats import brunnermunzel
>>> import numpy as np
>>> x1 = [1, 2, np.nan, np.nan, 1, 1, 1, 1, 1, 1, 2, 4, 1, 1]
>>> x2 = [3, 3, 4, 3, 1, 2, 3, 1, 1, 5, 4]
>>> brunnermunzel(x1, x2)
BrunnerMunzelResult(statistic=1.4723186918922935, pvalue=0.15479415300426624)  # may vary