scipy.stats.

sem#

scipy.stats.sem(a, axis=0, ddof=1, nan_policy='propagate', *, keepdims=False)[源代码][源代码]#

计算均值的标准误差。

计算输入数组中值的平均标准误差（或测量标准误差）。

参数:
aarray_like

包含返回标准误差的值的数组。必须至少包含两个观测值。

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。

ddofint, 可选

Delta 自由度。在有限样本中相对于总体方差估计的偏差调整的自由度数。默认为 1。

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。

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:
sndarray 或 float

沿着输入轴的样本(s)的平均值的标准误差。

注释

ddof 的默认值与其他包含 ddof 的例程（如 np.std 和 np.nanstd）使用的默认值（0）不同。

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。

示例

沿第一轴查找标准误差：

>>> import numpy as np
>>> from scipy import stats
>>> a = np.arange(20).reshape(5,4)
>>> stats.sem(a)
array([ 2.8284,  2.8284,  2.8284,  2.8284])

在整个数组中查找标准误差，使用 n 个自由度：

>>> stats.sem(a, axis=None, ddof=0)
1.2893796958227628
On this page