Ich suche nach einer schnellen Möglichkeit, das T-Test-Konfidenzintervall in Python für den Unterschied zwischen den Mitteln zu ermitteln. Ähnlich wie in R:
X1 <- rnorm(n = 10, mean = 50, sd = 10)
X2 <- rnorm(n = 200, mean = 35, sd = 14)
# the scenario is similar to my data
t_res <- t.test(X1, X2, alternative = 'two.sided', var.equal = FALSE)
t_res
Aus:
Welch Two Sample t-test
data: X1 and X2
t = 1.6585, df = 10.036, p-value = 0.1281
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-2.539749 17.355816
sample estimates:
mean of x mean of y
43.20514 35.79711
Nächster:
>> print(c(t_res$conf.int[1], t_res$conf.int[2]))
[1] -2.539749 17.355816
Ich finde weder in Statistikmodellen noch in Scipy etwas Ähnliches, was seltsam ist, wenn man bedenkt, wie wichtig Signifikanzintervalle beim Testen von Hypothesen sind (und wie viel Kritik die Praxis, nur die p-Werte zu melden, in letzter Zeit hat).
Hier erfahren Sie, wie Sie mit StatsModels CompareMeans
das Konfidenzintervall für die Differenz zwischen den Mittelwerten berechnen:
import numpy as np, statsmodels.stats.api as sms
X1, X2 = np.arange(10,21), np.arange(20,26.5,.5)
cm = sms.CompareMeans(sms.DescrStatsW(X1), sms.DescrStatsW(X2))
print cm.tconfint_diff(usevar='unequal')
Ausgabe ist
(-10.414599391793885, -5.5854006082061138)
und passt zu R:
> X1 <- seq(10,20)
> X2 <- seq(20,26,.5)
> t.test(X1, X2)
Welch Two Sample t-test
data: X1 and X2
t = -7.0391, df = 15.58, p-value = 3.247e-06
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-10.414599 -5.585401
sample estimates:
mean of x mean of y
15 23
Dieser Artikel stammt aus dem Internet. Bitte geben Sie beim Nachdruck die Quelle an.
Bei Verstößen wenden Sie sich bitte [email protected] Löschen.
Lass mich ein paar Worte sagen