Python比较分布: SciPy ks_2samp p值始终为0.0
这个问题涉及到Python中的SciPy库中的ks_2samp函数以及p值的问题。
- SciPy库：SciPy是一个开源的Python科学计算库，提供了许多数学、科学和工程计算的功能。它包含了很多模块，用于解决各种科学计算问题，包括统计分析、优化、插值、线性代数等。
- ks_2samp函数：ks_2samp函数是SciPy库中用于计算两个样本之间的Kolmogorov-Smirnov（KS）检验的函数。KS检验用于比较两个样本是否来自同一分布。ks_2samp函数返回两个样本的KS统计量和p值。
- p值：p值是统计假设检验中的一个指标，用于判断观察到的数据与假设之间的一致性。在KS检验中，p值表示两个样本来自同一分布的概率。通常，如果p值小于设定的显著性水平（通常为0.05），则可以拒绝两个样本来自同一分布的假设。
根据提供的问题，ks_2samp函数计算的p值始终为0.0。这意味着两个样本来自不同的分布，且差异非常显著。由于没有提供具体的样本数据和背景信息，无法给出更详细的解释和推荐的腾讯云相关产品。
总结：Python中的SciPy库提供了ks_2samp函数用于计算两个样本之间的KS检验，并返回KS统计量和p值。当p值为0.0时，表示两个样本来自不同的分布，且差异非常显著。
相关·内容
1回答
ks_2samp返回p值为1.0
、、、、
我有两个pandas DataFrame data1和data2，两个DataFrame都有一个整数列h，填充的值从1到50不等。
data1的样本大小约为55000，而data2的样本大小约为8000。由于数据的大小，我无法上传确切的数据，但下面是我创建的data1['h']与data2['h']的直方图
(为了便于观察，我应用了matplotlib.yscale('log') )
为了比较发行版，我使用了来自scipy.stats的scipy.stats。我编写了一个双尾测试和两个单尾测试，以观察两个优势的方向：
# h
浏览 1提问于2021-01-04得票数 2
回答已采纳
我试图在Python 3中执行两个样本的KS测试，以检测发行版之间的任何显著差异。为了方便起见，让a和b成为我想比较的.csv的数据列，我只运行以下“代码”：
from scipy.stats import ks_2samp
ks_2samp(a, b)
返回值包含最大距离(statistics)和p值(pvalue)：
Ks_2sampResult(statistic=0.0329418537762845, pvalue=0.000127997328482532)
我想知道的是，既然ks_2samp只处理双边的双样本KS测试，那么是否有一种方法可以在Python中执行单向的双样本KS测试呢？
浏览 7提问于2019-10-08得票数 4
回答已采纳
1回答
我正在尝试使用scipy的ks_2samp函数运行科尔莫戈罗夫-斯米尔诺夫测试，以确定数据的直方图是否来自相同的分布。尽管有时返回的p值似乎不太正确...
例如，使用此直方图：
aa, bb, cc = ax1.hist(list1, numpy.arange(a-1, b+3, c), alpha = .5, align = 'mid', rwidth=1, linestyle = 'dashed', linewidth = 1.5)
dd, ee, ff = ax1.hist(list2, numpy.arange(a-1, b+3, c), a
浏览 18提问于2016-07-16得票数 1
..。帮助和在线文档表明，函数scipy.stats.pareto.fit以要拟合的数据集为变量，还可以选择b(指数)、loc、scale作为变量。结果是三元组(指数，位置，比例)
从相同的分布生成数据应该导致fit找到用于生成数据的参数，例如(使用python 3 colsole)
$ python
Python 3.3.0 (default, Dec 12 2012, 07:43:02)
[GCC 4.7.2] on linux
Type "help", "copyright", "credits" or "license"
浏览 1提问于2013-03-18得票数 4
回答已采纳
我正在尝试实现两个样本Kolmogorov测试，以测试两个样本的分布是否有差异。样品是在两个不同时期出售的T恤尺寸(S，M，L，XL和XXL) .我想测试这两个时期的大小分布是否不同。
我遇到的问题是，与使用原始数据相比，我在预先计算每个大小的总百分比时得到了非常不同的结果。我不明白这一点，因为百分比仍然代表相同的分布。
下面是我使用的代码(x和y是原始数据，x1和y1是计算的百分比)：
from scipy.stats import ks_2samp
x = (254, 526, 576, 622, 409)
y = (92, 214, 366, 365, 287)
x1 = (10.6
浏览 5提问于2017-06-04得票数 0
回答已采纳
2回答
我正在考虑使用，并使用来使单词的频率符合幂律。
我不确定为什么我不能概括Clauset等人以前的工作结果。因为p值和KS分数都是“差的”。
这个想法是将独特单词的频率拟合成幂律。然而，scipy.stats.kstest计算的柯尔莫戈罗夫-斯米尔诺夫拟合优度测试看起来很糟糕。
我有以下函数可以将数据拟合成幂律：
import numpy as np
import powerlaw
import scipy
from scipy import stats
def fit_x(x):
fit = powerlaw.Fit(x, discrete=True)
alpha = fit
浏览 4提问于2019-08-05得票数 4
我不知道如何在Scipy中进行两个样本的KS测试。
在阅读文档之后
我可以看到如何测试一个分布是否与标准正态分布相同。
from scipy.stats import kstest
import numpy as np
x = np.random.normal(0,1,1000)
test_stat = kstest(x, 'norm')
#>>> test_stat
#(0.021080234718821145, 0.76584491300591395)
这意味着在p值为0.76时，我们不能拒绝两个分布相同的零假设。
然而，我想要比较两个分布，看看我是否可
浏览 4提问于2012-06-05得票数 99
回答已采纳
我正在尝试测试一个值列表是否是均匀分布的。我知道Kolmogorov-Smirnov测试是正确的测试。然而，我的结果对我来说没有任何意义。
在下面的代码中，我创建了两个值列表，x是均匀分布的，y不是均匀分布的。
应该发生什么：在x和y上运行的kstest()，而x的p值传递，y的p值不传递。
发生了什么：在x和y上运行的kstest()，x和y的p值都是0.0。
In [1]:
from scipy import stats
import scipy as sp
import numpy as np
import math
import matplotlib.pyplot as plt
%m
浏览 2提问于2014-10-10得票数 3
我正试图为我的数据获得最好的发行版。拟合完成如下图所示，但我需要一个测量，以选择最好的模式。我将拟合优度与a-平方值进行了比较，并用Kolmogorov-Smirnov (KS)检验了观测值与拟合分布的显着性差异。我搜索了一些潜在的解决方案-- 、、，但没有得到以下结果：
如果p-value大于k-statistic，是否意味着我们可以接受假设或数据很好地符合分布？
Alternatively，是否可以将level of significance(a=0.005)与p-value进行比较并决定是否接受或拒绝假设？如果p-value低于a，那么这两种分布很可能是不同的。
For Kolmogor
浏览 3提问于2020-09-29得票数 3
1回答
我正试图计算KS测试，将其指定为一个数组，但是，我遇到了意想不到的结果。通过进一步的评估，我发现了不同的结果，这取决于我是将CDF指定为可调用的字符串还是数组。我的代码如下：
import scipy.stats as st
random_variables = st.norm.rvs(loc=1, scale=1,size=1000000)
cdf_data = st.norm.cdf(random_variables, loc=1,scale=1)
params = st.norm.fit(data=random_variables)
display(params)
print('
浏览 1提问于2021-03-15得票数 1
回答已采纳
上下文
我使用scipy's 来应用Kolmogorov测试。
我使用的数据有两种：
我有一个数据集d1，它是一个应用于机器学习模型m1 (即MASE -均值平均缩放误差)预测的评估度量。这大约是6.000个数据点，这意味着使用m1进行的6.000次预测的MASE-结果。
我的第二个dataset d2类似于d1，它的不同之处在于我使用了第二个模型m2，它与m1略有不同。
这两个数据集的分布如下所示：
d1
d2
正如我们所看到的，这个分布看起来非常相似。我想用Kolmogorov-Smirnov测试来强调这一事实。然而，我应用k2_samp得到的结果正好相反：
浏览 0提问于2019-08-24得票数 0
回答已采纳
1回答
我想用Kolmogorov-Smirnov (KS)和Anderson-Darling (AD)测试来比较两组样本。我分别用scipy.stats.ks_2samp和scipy.stats.anderson_ksamp实现了这一点。我期望相似样本的统计量很低(相同样本的统计量为0)，而对于更多不同的样本，则会有更高的统计量。
对于相同的样本和非常不同的样本(没有重叠)，ks_2samp提供预期的结果，而anderson_ksamp为相同的样本提供负值，更重要的是，对非常不同的样本抛出一个错误(可能是由于下面示例中的样本大小: 200 )。
下面是说明这些发现的代码：
import scipy.
浏览 1提问于2018-03-06得票数 5
回答已采纳
2回答
R允许我们计算两个种群之间的F检验：
> d1 = c(2.5579227634, 1.7774243136, 2.0025207896, 1.9518876366, 0.0, 4.1984191803, 5.6170403364, 0.0)
> d2 = c(16.93800333, 23.2837045311, 1.2674791828, 1.0889208427, 1.0447584137, 0.8971380534, 0.0, 0.0)
> var.test(d1,d2)
F test to compare two variances
data: d1
浏览 2提问于2015-01-26得票数 3
回答已采纳
3回答
我在R中使用了以下代码来确定观察值(例如20、20、0和0)与期望值/比率(例如，四种情况中每种情况都为25%)的匹配程度：
> chisq.test(c(20,20,0,0), p=c(0.25, 0.25, 0.25, 0.25))
Chi-squared test for given probabilities
data: c(20, 20, 0, 0)
X-squared = 40, df = 3, p-value = 1.066e-08
我如何在Python中复制它？我尝试使用scipy中的chisquare函数，但得到的结果非常不同；我甚至不确定这是否是要使用
浏览 1提问于2012-02-17得票数 27
回答已采纳
我正在学习统计学，我想检查一个数据的分布，看看它是否来自正态分布。
我发现一个测试可以做到这一点。我的代码列表如下：
In [1]: from scipy import stats
In [2]: from read_cj import read
In [3]: df = read()
[read] cost 10.066437721252441
In [4]: stats.kstest(df['XH.self_rank(30)'],'norm')
Out[4]: KstestResult(statistic=0.3203690716401366, pva
浏览 1提问于2021-10-27得票数 0
回答已采纳
我正在对我的数据运行scipy.stats.pearsonr，我得到
(0.9672434106763087，0.0)
R值高，p值很低是合理的.但是，p显然不是0，所以我想知道p=0.0是什么意思。是p<10^-10，p<10^-100还是极限？
浏览 1提问于2017-08-28得票数 9
从scipy.stats.kstest上的scipy文档来看，该函数似乎只允许在样本和预定义的概率分布之间进行比较。它可以比较样本和自定义的概率分布吗？
我可以使用两个样本的科尔莫戈罗夫-斯米尔诺夫检验scipy.stats.ks_2samp，将自定义函数生成的理论样本与实际样本进行比较。
我尝试了以下代码：
from scipy.stats import kstest
sample = [1 for i in range(10)]
ks_stat, p_value = kstest(sample, lambda x: 1)
print ks_stat, p_value
>> 1.
浏览 2提问于2017-03-26得票数 1
我正在尝试运行一个名为D3E的Python包，用于单细胞差异基因表达。我在Fedora20上安装了Python2.7.5。我刚刚使用安装了SciPy包
sudo yum install numpy scipy python-matplotlib ipython python-pandas sympy python-nose
但是，当我尝试运行该脚本时，我一直收到一个SciPy错误：
bash-4.2$ python D3ECmd.py ~/Documents/geneExpressionTable.txt ~/outputFile.txt cellType1 cellTYpe2 -n=0, -
浏览 3提问于2015-06-27得票数 0
1回答
我将高斯核密度估计器拟合到一个变量，该变量是两个向量的差，称为"diff"，如下所示: gaussian_kde_covfact(diff，smoothing_param) -其中gaussian_kde_covfact定义为：
class gaussian_kde_covfact(stats.gaussian_kde):
def __init__(self, dataset, covfact = 'scotts'):
self.covfact = covfact
scipy.stats.gaussian_kde.__in
浏览 2提问于2010-04-21得票数 2
2回答
我想用scipy.stats.probplot()在mydata上做一些测试。
from scipy import stats
_,fit=stats.probplot(mydata, dist=stats.norm,plot=ax)
goodness_fit="%.2f" %fit[2]
文件上说：
根据指定理论分布的分位数(缺省情况下为正态分布)生成样本数据的概率图。可以选择计算数据的最佳匹配行，并使用Matplotlib或给定的绘图函数绘制结果。概率图生成一个概率图，，不应与Q-Q或P图混淆。Statsmodels具有这种类型的更广泛的功能，请参见statsmodels
浏览 19提问于2018-01-05得票数 14
回答已采纳
7回答
我已经计算了一个分布为1个自由度的卡方的测试统计量，并想找出这与使用python时的P值相对应。
我是一个python和数学/统计新手，所以我想这里我需要的是来自SciPy的chi2分布的概率密度函数。但是，当我像这样使用它时：
from scipy import stats
stats.chi2.pdf(3.84 , 1)
0.029846
然而，一些人在谷歌上搜索，并与一些懂数学但不懂蟒蛇的同事交谈，他们说应该是0.05。
有什么想法吗？干杯，戴维
浏览 0提问于2012-07-30得票数 46
回答已采纳
我想对我的配对数据进行单侧wilcoxon秩检验，因为我感兴趣的是其中一个样本是否明显大于另一个样本。
Scipy提供
scipy.stats.wilcoxon(x,y)
对成对的样本x和y进行双边检验。因为我不能假设正态(对称)分布，所以我不能从双边p值推导出单侧p值。
现在有没有人可以用python的方法来获得单边测试的p值？
谢谢!
浏览 3提问于2013-04-30得票数 14
回答已采纳
1回答
我需要比较二维分布和KL散度。我试过使用scipy.stats.entropy，但这是返回inf。
如何设置scipy.stats.entropy以处理两个轴并返回值？
我试过：
from scipy.stats import entropy
import pandas as pd
one = pd.read_csv(file_one)
two = pd.read_csv(file_two)
pk = [list(item) for item in zip(one["X"], one["Y"])]
qk = [list(item) for item in zi
浏览 1提问于2019-08-02得票数 2
回答已采纳
我相信答案很简单，但我不知道我做错了什么。
我想测试我拥有的一些样本数据是否可以来自广义极值分布或皮尔逊类型3分布。
由于某些原因，我无法让kstest(t1, 'genextreme')合作。但是，当我将其更改为norm时，它可以正常工作。
请看下面的部分代码和错误：
from scipy.stats import kstest
from scipy.stats import ks_2samp
import numpy as np
import csv
In [7]: from scipy.stats import genextreme
In [8]: t1 = TP[
浏览 6提问于2015-10-12得票数 1
我正在试着为一个研讨会创建一些介绍统计数据的材料。上面的代码计算了一个95%的置信区间来估计平均值，但结果与用Python实现的结果不同。我的数学/代码有问题吗？谢谢。 编辑： 数据是从这里采集的 import pandas as pd
import numpy as np
x = np.random.normal(60000,15000,200)
income = pd.DataFrame()
income = pd.DataFrame()
income['Data Scientist'] = x
# Manual Implementation
sample_mean =
浏览 30提问于2020-01-09得票数 0
回答已采纳
我使用scipy.stats.anderson()测试正态分布。我的测试分布不是正态分布，因此测试统计量>临界值。然而，当检查所有计算出的临界值时，我观察到，对于降低p值的临界值，临界值正在增加。这意味着，测试越关键(p值越小)，获得的临界值越接近测试统计量。在我看来，这应该是另一种方式。有人熟悉Anderson测试及其在Scipy中的实现吗？
浏览 0提问于2014-03-01得票数 1
1回答
我正在尝试将matlab代码转换为python代码。我陷入的是逆威布尔函数部分。因此，matlab代码如下：
p = 0.9978
scale_param = 3.5666
shape_param = 0.4936
wblinv(p, scale_param, shape_param)
wblinv给出了一个对应的分位数，p的cdf值，其结果为139.9775。
我搜索并发现and提供威布尔分布函数。我猜scipy.stats.invweibull.cdf函数也会执行同样的操作。但结果却大不相同。
from scipy import stats
p = 0.9978
scale_param =
浏览 0提问于2018-06-16得票数 0
回答已采纳
2回答
我有一些从雷达卫星图像中采样的数据，并希望对其进行一些统计测试。在此之前，我想进行一个正态性测试，这样我就可以确保我的数据是正态分布的。我的数据似乎是正态分布的，但当我执行测试时，我得到的P值为0，这表明我的数据不是正态分布的。
我已经附上了我的代码以及输出和分布直方图(我是python的新手，所以如果我的代码在任何方面都很笨拙，我深表歉意)。如果我做错了什么，有人能告诉我吗?我发现从我的直方图中很难相信我的数据不是正态分布的。
values = 'inputfile.h5'
f = h5py.File(values,'r')
dset = f['/DA
浏览 0提问于2014-03-05得票数 15
回答已采纳
1回答
我在试着对一些数据进行K测试。现在我已经开始运行代码了，但我不确定我是否理解了发生了什么，而且在尝试设置loc时也会出现错误。基本上，我得到了KS和P-测试值。但我不确定我是否完全掌握了它，足以利用结果。
我正在使用找到scipy.stats.ks_2samp的模块。
这是我正在运行的代码
from scipy import stats
np.random.seed(12345678) #fix random seed to get the same result
n1 = len(low_ni_sample) # size of first sample
n2 = len(high_n
浏览 0提问于2018-11-26得票数 1
回答已采纳
我读过很多类似的文章，说Excel的T.INV.2T(probability，degs_Freedom)可以使用scipy.stats.t.ppf()在python中重现。 如果我以T.INV.2T(0.0558)为例，它的收益率为2.002。 根据发布的其他答案，我应该使用scipy.stats.t.ppf(0.05，58)得到相同的答案，但我没有。我得到-1.672。 你知道我的语法出了什么问题吗？
浏览 37提问于2021-10-14得票数 0
回答已采纳
1回答
返回分布的z值- python
、、、、
我有一个二元分布，它是从'Int_1','Int_2'中每个Group的xy点生成的。我通过Norm将分布归一化，并将其传递给轮廓以显示z值。 我想返回在'Item_X','Item_Y'中显示的xy点的二元分布的z值。使用白色散射点的下图中提供了一个这样的示例。 最后，我将把每个时间点的'Item_X','Item_Y'的z值传递给一个数据帧，并将其附加回原始df。 import pandas as pd
import numpy as np
from scipy.stats import mu
浏览 25提问于2021-06-16得票数 4
我有一个关于N个数字的数据集，我想测试它的正态性。我知道scipy.stats有一个，但是没有关于如何使用它和如何解释结果的例子。这里有谁能给我一些建议吗？
根据文档，使用kstest返回两个数字，KS测试统计量D和p值。如果p值大于显着性水平(例如5%)，那么我们就不能拒绝数据来自给定分布的假设。
当我通过从正态分布中抽取10000个样本进行测试时，我的测试是：
import numpy as np
from scipy.stats import kstest
mu,sigma = 0.07, 0.89
kstest(np.random.normal(mu,sigma,10000),
浏览 5提问于2011-10-26得票数 30
回答已采纳
有了beta对象的实例，我如何取回参数a和b？
有a和b属性，但看起来它们的含义与我预期的不同：
>>> import scipy
>>> scipy.__version__
'0.19.1'
>>> from scipy import stats
>>> my_beta = stats.beta(a=1, b=5)
>>> my_beta.a, my_beta.b
(0.0, 1.0)
有没有办法获得分布的参数？我总是可以适合一个巨大的房车样本，但这似乎很愚蠢:)
浏览 7提问于2018-03-02得票数 1
回答已采纳
我感兴趣的是检查样本A (n=25)是否均匀分布。下面是我在Python中检查的方法：
import scipy.stats as ss
A=[9,9,9,4,9,6,7,8,9,4,5,2,4,9,6,7,3,4,2,4,5,6,8,9,9]
ss.kstest(A,'uniform', args=(min(A),max(A)), N=25)
它返回：(0.22222222222222221，0.14499771178796239)，即p值为~0.15时，检验不能拒绝样本A来自均匀分布。
现在这就是我如何在R中计算相同的：
A=c(9,9,9,4,9,6,7,8,9,4,5,
浏览 5提问于2016-10-28得票数 2
4回答
随机正定矩阵的生成
、、、、
我想测试我用C++编写的一个简单的Cholesky代码。因此，我生成一个随机的下三角L，并乘以它的转置，生成A。
A = L * Lt;
但是我的代码没有考虑A，所以我在Matlab中尝试了这样的方法：
N=200; L=tril(rand(N, N)); A=L*L'; [lc,p]=chol(A,'lower'); p
这输出的非零p，这意味着Matlab也没有因子A，我猜随机性产生秩亏矩阵。我说的对吗？
更新：
我忘了提到下面的Matlab代码似乎可以工作，正如Malife在下面指出的那样：
N=200; L=rand(N, N); A=L*L'; [lc
浏览 5提问于2012-09-07得票数 5
回答已采纳
我正在尝试运行T-Test来检查给定KPI的两个样本之间是否存在显着差异。我正在运行这段python代码： population_control = 18917
population_treatment = 169996
stddev_control = 3.7944261452602888
stddev_treatment = 3.8521668798017057
avg_control = 2.906
avg_treatment = 2.921
import scipy.stats
rvs1 = scipy.stats.norm.rvs(loc=avg_control,scale=st
浏览 46提问于2020-07-20得票数 0
1回答
利用枕的二项分布
、、、
对网络中节点度离散值的网络G中的一些数据进行了采样，并计算了分布。
def degree_distribution(G):
vk = dict(G.degree())
vk = list(vk.values()) # we get only the degree values
maxk = np.max(vk)
mink = np.min(min)
kvalues= np.arange(0,maxk+1) # possible values of k
Pk = np.zeros(maxk+1) # P(k)
for k in vk:
浏览 5提问于2022-02-25得票数 0
回答已采纳
1回答
所以我有一些股票价格数据，我想检验价格是否服从对数正态分布。我的代码如下：
import scipy.stats as stats
print(stats.kstest(df['DJIA'], "lognorm", stats.lognorm.fit(df['DJIA'])))
结果如下：
KstestResult(statistic=0.90996368658950855, pvalue=0.0)
P值为零意味着数据不符合对数正态分布，这是不可能的，因为股票价格预计是对数正态分布。价格的直方图如下：
我试着用对数正态分布函数来拟合直方
浏览 2提问于2017-05-28得票数 1
1回答
我建立了两个基于二元分类的logistic回归模型，得到了以下结果：
模型1:
准确度: 67.51%
AUC: 65.21%
模型2:
准确性: 67,99%
AUC: 65 70%
第二个模型是基于附加列(Col_x)创建的。
但是，当我试图使用下面的代码显示相关性时，我得到了结果：(0.16402709962654458, 0.0)
from scipy import stats
stats.pearsonr(data['y'] , data['Col_x'] )
我想知道我是否能考虑到Model2对Model1的改进，即使我有一个p-value = 0.
浏览 0提问于2019-05-03得票数 0
回答已采纳
以下是MATLAB中的偏度和峰度代码：
clc; clear all
% Generate "N" data points
N = 1:1:2000;
% Set sampling frequency
Fs = 1000;
% Set time step value
dt = 1/Fs;
% Frequency of the signal
f = 5;
% Generate time array
t = N*dt;
% Generate sine wave
y = 10 + 5*sin(2*pi*f*t)
浏览 8提问于2022-09-09得票数 1
回答已采纳
我正在尝试用python解决一个物理问题。目标是找到最小化函数epsilon的a_n值(见下图)：
代码是：
import numpy as np
import matplotlib.pyplot as plt
from scipy.integrate import quad
from scipy.optimize import minimize
from scipy.misc import derivative
def TryN(x, an, N):
out = 0
for n in range(N+1):
out += an[n]*(1-x)*
浏览 41提问于2020-05-21得票数 0
回答已采纳
3回答
非参数检验的极低p值
、、、、
我正在使用Python的非参数检验来检验两个样本是否与从相同的父种群中提取的样本一致：scipy.stats.ks_2samp (2样本Kolmogorov-Smirnov)、scipy.stats.anderson_ksamp (安德森-Darling表示k样本)和scipy.stats.ranksums (，2个样本)。我的显着性阈值(P= 0.01 )表明，两个样本之间存在显著差异。
如果这三个测试返回极低的p值(有时类似于10^-30或更低)，那么我是否需要担心with函数出了问题？这些小得离谱的p值可靠吗?我能报告p << 0.01 (p远低于我的阈值)吗？
浏览 17提问于2016-06-23得票数 2
回答已采纳
2回答
为什么R和不同？
、、
我想知道为什么在python和R.在python中做mann whitney u测试时，我的答案如此不同：
from scipy.stats import mannwhitneyu
t = [1,2,3]
g = [4,5,6,7,8,9]
mannwhitneyu(t,g)
(0.0, 0.014092901073953692)
在R：
t = c(1,2,3)
g = c(4,5,6,7,8,9)
wilcox.test(t,g, paired = FALSE)
Wilcoxon rank sum test
data: t and g
W = 0, p-value = 0.02
浏览 16提问于2014-08-18得票数 4
回答已采纳
? 我正在学习使用python的概率分布，我目前正在研究二项分布，我已经看到了scipy方法和numpy方法，我试图理解的是，为什么它们有两种不同的输出？但是计算的是同样的事情吗？ 我也注意到了其他概率分布的相同模式。代码如下： from scipy.stats import binom
data_binom = binom.rvs(n=15,p=0.5,size=15)
import numpy as np
x = np.random.binomial(n=15, p=0.5, size=15)
print(data_binom)
print('-'*10)
p
浏览 51提问于2021-09-22得票数 1
在两个数字(0.85,0.18)之间进行t检验，得到p值作为Nan，同时出现以下错误：
也得到了这个错误，_，p_value=stats.ttest_ind(a=Max，b=Max_1，C:\Users\NehaBhakat\Anaconda31\lib\site-packages\numpy\core\fromnumeric.py:3584: RuntimeWarning:切片**kwargs的自由度<= 0) C:\Users\NehaBhakat\Anaconda31\lib\site-packages\scipy\stats_distn_infrastructure.py:903
浏览 2提问于2020-09-18得票数 0
我注意到，如果p值非常小，SciPy中的费舍尔精确测试会返回一个负的p值：
>>> import scipy as sp
>>> import scipy.stats
>>> x = [[48,60],[3088,17134]]
>>> sp.stats.fisher_exact(x)
(4.4388601036269426, -1.5673906617053035e-11)
在R中，使用相同的2x2列联表：
> a = matrix(c(48,60,3088,17134), nrow=2)
> fisher.
浏览 2提问于2011-09-22得票数 8
回答已采纳
1回答
问题描述： 在4个不同的比赛中，金都有60%的获胜机会。假设比赛是相互独立的，那么:金至少赢得一场比赛的概率是多少？ 给定二项分布参数: n=4 p=0.60 提示： P(x>=1)=1-P(x=0) 使用scipy.stats包的binom.pmf()函数计算概率。 下面是我尝试过的python代码。但它被认为是错误的。 from scipy import stats
n = 4
p = 0.6
p1 = 1 - p
p2 = stats.binom.pmf(1,4,p1)
print(p1)
浏览 14提问于2019-09-18得票数 0
回答已采纳
假设我们有两个独立的正态分布 ? 在Python语言中，如何计算从分布X1中获取的某点为less than or equal to从分布X2中获取的某点的概率？ 关于this，我可以说greater than的公式可能是这样的， 例如， m1, std1 = 1, 2
m2, std2 = 2, 3
#then, ? 和, ? # hence,
from scipy.stats import norm
p = 1 - norm.cdf(-(m1 - m2) / np.sqrt(std1 + std2))
# p = 0.32736042300928847 我要找的代码
浏览 66提问于2020-12-25得票数 0
回答已采纳
我试图读取我的文本文件，提取出3个主要参数，并将它们放在单独的列表中，并在分配高斯分布函数后对参数列表(温度、速度、加速度)进行规范化。为了取得较好的结果，本文对各参数列表的正负数进行了分解，采用高斯分布函数，选取负数的均值作为实数的最小值，选取正数的均值作为实数的最大值，而不是直接在这些参数的主列表中找到Min和最大值，这些参数由于不处于期望置信区间而重复了几次。问题是，我已经避免了RunTimeWarning错误，但我仍然不知道如何解决这些错误，包括ValueError: scale <0，希望有人对错误的解决方法有好的想法，希望有人能更好地使用高斯分布函数来应用规范化，谢谢您的注意
浏览 0提问于2018-12-17得票数 1
回答已采纳
非常简单的测试：
利用泊松分布生成随机数分布。使用KS检验来确定它是否与泊松distribution.Generate (x2)随机分布的泊松分布相匹配。使用(x2)侧KS测试来确定它们是否相同.
从上面看，(1)给出一个低p值，(2)给出一个高p值.为什么？
1的码
from scipy.stats import kstest, poisson
noPts = 1000
lambdaPoisson = 10
my_data = poisson.rvs(size = noPts, mu = lambdaPoisson)
ks_statistic, p_value = kstest(my_
浏览 12提问于2020-11-19得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
