0

我正在比较两个分布，例如：

group1 = [ 0, 0, 0, 1, 11, 11, 13, 12]

group2 = [ 0, 0, 0, 0, 5, 11, 18, 14]

我的分布没有很多元素，我不确定卡方是否是最好的方法，但从我读到的内容来看，我认为它仍然是我见过的最好的测试。

问题是，无论我尝试哪种卡方，我都会得到不同的结果：

所以如果我使用：

import numpy as np

import scipy.stats.mstats as mst
mst.chisquare(np.array(group1), np.array(group2))

答案将是：(8.874603174603175, 0.26178489290758555)

如果我使用：

import scipy.stats as stat
stat.chisquare(np.array(group1), np.array(group2))

我会得到：(nan, nan)

如果我删除两个组中所有为 0 的元素，以便我的组现在看起来像这样：

group1 = [ 1, 11, 11, 13, 12]

group2 = [ 0, 5, 11, 18, 14]

使用：

mst.chisquare(np.array(group1), np.array(group2))

会给我：(8.874603174603175, 0.06431137995249224)

我对这种模棱两可感到很困惑。我的分布的真实 p 值是多少？

4

1 回答 1

1

我猜这是scipy.stats.mstats模块中的一个错误。mstats应该比 . 更好地处理屏蔽数组（具有无效值的数组）stats。然而，在这种情况下，它似乎没有正确计算自由度 (DOF) 的数量：卡方统计量（的第一个返回值chisquare）在去除零之前和之后是相同的，因此只有自由度可以改变。

请注意，在两个数组中删除 0 后，您仍然会得到无穷大，因为要计算卡方统计量，您必须除以频率group2（group2在您的数组中，请参阅Wikipedia）。mstat删除这些无效值，但它不会相应地调整自由度（因为元素较少，自由度应该因元素的差异而减少）。

我希望它能澄清一点。请考虑向 scipy 讨论列表发送错误报告。

于 2012-12-17T14:18:45.087 回答