我想对我的配对数据执行单侧Wilcoxon秩和检验,因为我想知道一个样本是否显著大于另一个。
Scipy提供了
scipy.stats.wilcoxon(x,y)
使用成对样本x和y执行双侧检验。由于我无法假设正态(对称)分布,因此无法从双侧p值中推导出单侧p值。
有人知道如何使用python获取单侧检验的p值吗?
谢谢!
我想对我的配对数据执行单侧Wilcoxon秩和检验,因为我想知道一个样本是否显著大于另一个。
Scipy提供了
scipy.stats.wilcoxon(x,y)
使用成对样本x和y执行双侧检验。由于我无法假设正态(对称)分布,因此无法从双侧p值中推导出单侧p值。
有人知道如何使用python获取单侧检验的p值吗?
谢谢!
scipy.stats.wilcoxon
返回的 P 值与 x
或 y
的分布以及它们之间的差异无关。它是由 Wilcoxon 检验统计量(如http://en.wikipedia.org/wiki/Wilcoxon_signed-rank_test 中的 W,或者在 scipy
中表示为 T)确定的,该统计量假定遵循正态分布。如果您查看源代码(在 ~python_directory\site-packages\scipy\stats\morestats.py 中),您会发现 def wilcoxon()
的最后几行:
se = sqrt(se / 24)
z = (T - mn) / se
prob = 2. * distributions.norm.sf(abs(z))
return T, prob
并且:
mn = count*(count + 1.) * 0.25
se = count*(count + 1.) * (2. * count + 1.)
count
是 x
和 y
之间非零差异的数量。
因此,要得到单边 p 值,只需使用 prob/2.
或 1-prob/2.
示例:
在 Python
中:
>>> y1=[125,115,130,140,140,115,140,125,140,135]
>>> y2=[110,122,125,120,140,124,123,137,135,145]
>>> ss.wilcoxon(y1, y2)
(18.0, 0.5936305914425295)
在R
中:
> wilcox.test(y1, y2, paired=TRUE, exact=FALSE, correct=FALSE)
Wilcoxon signed rank test
data: y1 and y2
V = 27, p-value = 0.5936
alternative hypothesis: true location shift is not equal to 0
> wilcox.test(y1, y2, paired=TRUE, exact=FALSE, correct=FALSE, alt='greater')
Wilcoxon signed rank test
data: y1 and y2
V = 27, p-value = 0.2968
alternative hypothesis: true location shift is greater than 0
alternative
设置为'greater'
或'less'
。因此,您不必自己计算它。 - So S