scipy.stats.

brunnermunzel

scipy.stats.brunnermunzel(x, y, alternative='two-sided', distribution='t', nan_policy='propagate', *, axis=0, keepdims=False)

计算样本 x 和 y 上的 Brunner-Munzel 检验。

Brunner-Munzel 检验是一种非参数检验，用于检验零假设，即当从每个组中逐一取值时，两组中获得较大值的概率相等。与 Wilcoxon-Mann-Whitney 的 U 检验不同，这不需要两组同变性的假设。请注意，这并不假设分布是相同的。此检验适用于两个独立样本，这些样本的大小可能不同。

参数:

x, yarray_like

样本数组，应为一维。

替代方案{‘双侧’, ‘小于’, ‘大于’}, 可选

定义备择假设。以下选项可用（默认是’双侧’）：

• ‘双面’

• ‘less’: 单方面的

• ‘greater’: 单边

分布{‘t’, ‘normal’}, 可选

定义如何获取p值。以下选项可用（默认是’t’）：

• ‘t’: 通过 t 分布获取 p 值

• ‘normal’: 通过标准正态分布获取p值。

nan_policy{‘propagate’, ‘omit’, ‘raise’}

定义如何处理输入的 NaN。

• propagate: 如果在计算统计量的轴切片（例如行）中存在 NaN，则输出的相应条目将为 NaN。

• omit: 在执行计算时，NaN 将被省略。如果在计算统计量的轴切片中剩余的数据不足，则输出的相应条目将为 NaN。

• raise: 如果存在 NaN，将引发 ValueError。

轴int 或 None, 默认值: 0

如果是一个整数，表示输入数据中要计算统计量的轴。输入数据的每个轴切片（例如行）的统计量将出现在输出的相应元素中。如果为 None，则在计算统计量之前会将输入数据展平。

keepdimsbool, 默认值: False

如果设置为True，被减少的轴将作为尺寸为1的维度保留在结果中。通过此选项，结果将正确地与输入数组进行广播。

返回:

统计浮动

Brunner-Munzer W 统计量。

p值浮动

假设 t 分布的 p 值。根据 alternative 和 distribution 的选择，可以是单侧或双侧。

参见

mannwhitneyu

对两个样本进行 Mann-Whitney 秩检验。

注释

Brunner 和 Munzel 建议当数据量小于或等于50时，通过t分布来估计p值。如果数据量小于10，则最好使用置换的Brunner Munzel检验（参见[R74f607242e91-2]_）。

从 SciPy 1.9 开始，np.matrix 输入（不推荐用于新代码）在计算执行前被转换为 np.ndarray。在这种情况下，输出将是一个标量或适当形状的 np.ndarray，而不是一个 2D 的 np.matrix。同样，虽然掩码数组的掩码元素被忽略，但输出将是一个标量或 np.ndarray，而不是一个 mask=False 的掩码数组。

参考文献

[1]

Brunner, E. 和 Munzel, U. “非参数Benhrens-Fisher问题：渐近理论和小样本近似”。《生物统计学杂志》。第42卷(2000年): 17-25。

[2]

Neubert, K. 和 Brunner, E. “非参数 Behrens-Fisher 问题的学生化置换检验”。计算统计与数据分析。第 51 卷(2007 年): 5192-5204。

示例

Try it in your browser!

>>> from scipy import stats
>>> x1 = [1,2,1,1,1,1,1,1,1,1,2,4,1,1]
>>> x2 = [3,3,4,3,1,2,3,1,1,5,4]
>>> w, p_value = stats.brunnermunzel(x1, x2)
>>> w
3.1374674823029505
>>> p_value
0.0057862086661515377

Go BackOpen In Tab