web-dev-qa-db-ja.com

2サンプルのt検定を実行する

サンプル1とサンプル2の平均、標準偏差、nがあります。サンプルはサンプル母集団から取得されますが、別のラボで測定されます。

nはサンプル1とサンプル2で異なります。加重（nを考慮に入れる）両側t検定を実行します。

scipy.stat モジュールを使用して、np.random.normalで数値を作成してみました。これは、データのみを取得し、meanやstd devなどの統計値を取得しないためです（これらの値を直接使用する方法はありますか？ ）。しかし、データ配列は同じサイズでなければならないため、機能しませんでした。

P値を取得する方法についてのヘルプは、高く評価されます。

pythonnumpystatistics
23
Norfeldt

元のデータが配列aおよびbである場合、引数scipy.stats.ttest_indで equal_var=False を使用できます。

t, p = ttest_ind(a, b, equal_var=False)

2つのデータセットの要約統計しかない場合は、 scipy.stats.ttest_ind_from_stats （バージョン0.16のscipyに追加）を使用して、または式（ http ：//en.wikipedia.org/wiki/Welch%27s_t_test ）。

次のスクリプトは可能性を示しています。

from __future__ import print_function

import numpy as np
from scipy.stats import ttest_ind, ttest_ind_from_stats
from scipy.special import stdtr

np.random.seed(1)

# Create sample data.
a = np.random.randn(40)
b = 4*np.random.randn(50)

# Use scipy.stats.ttest_ind.
t, p = ttest_ind(a, b, equal_var=False)
print("ttest_ind:            t = %g  p = %g" % (t, p))

# Compute the descriptive statistics of a and b.
abar = a.mean()
avar = a.var(ddof=1)
na = a.size
adof = na - 1

bbar = b.mean()
bvar = b.var(ddof=1)
nb = b.size
bdof = nb - 1

# Use scipy.stats.ttest_ind_from_stats.
t2, p2 = ttest_ind_from_stats(abar, np.sqrt(avar), na,
                              bbar, np.sqrt(bvar), nb,
                              equal_var=False)
print("ttest_ind_from_stats: t = %g  p = %g" % (t2, p2))

# Use the formulas directly.
tf = (abar - bbar) / np.sqrt(avar/na + bvar/nb)
dof = (avar/na + bvar/nb)**2 / (avar**2/(na**2*adof) + bvar**2/(nb**2*bdof))
pf = 2*stdtr(dof, -np.abs(tf))

print("formula:              t = %g  p = %g" % (tf, pf))

出力：

ttest_ind:            t = -1.5827  p = 0.118873
ttest_ind_from_stats: t = -1.5827  p = 0.118873
formula:              t = -1.5827  p = 0.118873
59
Warren Weckesser

Scipy 0.12.0の最近のバージョンを使用して、この機能が組み込まれています（実際、さまざまなサイズのサンプルで動作します）。 scipy.statsでは、フラグttest_indがFalseに設定されている場合、関数 equal_var がウェルチのt検定を実行します。

例えば：

>>> import scipy.stats as stats
>>> sample1 = np.random.randn(10, 1)
>>> sample2 = 1 + np.random.randn(15, 1)
>>> t_stat, p_val = stats.ttest_ind(sample1, sample2, equal_var=False)
>>> t_stat
array([-3.94339083])
>>> p_val
array([ 0.00070813])
6
rroowwllaanndd