python - 为什么 SciPy 在样本方差为 0 的 t 检验中返回“nan”？

Question

我在 Python 中使用SciPynan ，无论出于何种原因，以下内容都会返回一个值：

>>>stats.ttest_ind([1, 1], [1, 1])
Ttest_indResult(statistic=nan, pvalue=nan)

>>>stats.ttest_ind([1, 1], [1, 1, 1])
Ttest_indResult(statistic=nan, pvalue=nan).

但每当我使用具有不同汇总统计的样本时，我实际上得到了一个合理的值：

stats.ttest_ind([1, 1], [1, 1, 1, 2])
Ttest_indResult(statistic=-0.66666666666666663, pvalue=0.54146973927558495).

nan将 p 值解释为as是否合理0？统计数据是否有理由对具有相同汇总统计数据的样本进行 2 样本 t 检验没有意义？

Answer 1

除以零将引发 NaN（= 不是数字）异常，或返回按照惯例匹配 NaN 的浮点表示。要特别注意除以 N 和除以 N 减一的标准差公式。