scipy.stats.mstats.

brunnermunzel#

scipy.stats.mstats.brunnermunzel(x, y, alternative='two-sided', distribution='t')[源代码][源代码]#

计算样本 x 和 y 上的 Brunner-Munzel 检验。

在 x 和/或 y 中缺失的值将被丢弃。

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‘less’, ‘two-sided’, 或 ‘greater’, 可选: 是否获取单侧假设（’less’ 或 ‘greater’）或双侧假设（’two-sided’）的 p 值。默认值为 ‘two-sided’。
分布‘t’ 或 ‘normal’, 可选: 是否通过 t 分布或标准正态分布获取 p 值。默认值为 ‘t’。

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

有关 brunnermunzel 的更多详情，请参阅 scipy.stats.brunnermunzel。

示例

>>> 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