使用 Hypothesis 模块在 Python 中进行单元测试的示例代码。编写了简单的getTimeDelta函数来获取两个日期之间的时间差。

想写getTimeDelta函数的单元测试。使用假设模块来获得多个datetime值。

问题是： 1. 如何传递不同的数据类型值，即time1str 和time2isdatetime而无需编写多个函数？

2. 仅检查返回值的数据类型，而不是实际结果是否正确。怎么做？

3. 如何检查项目的数据类型，结果元组？assertIsInstance

代码：

编辑 01：

我们可以通过hypothesis.strategies.one_of(*args),链接修复 #Question1

I am trying to do something that seems very simple yet I cannot find any good advice out there. I would like to get the confidence interval for the non-linear combination of two coefficients in a regression model. I cam use linearHypothesis() to conduct an F-test and get the p-value for a linear combination. The code I ran for that part is:

I can use glht() from the multcomp package to get the confidence interval for a linear combination of parameters:

But I'm not sure what to do for a non-linear combination like (summary(reg4)$coefficients[2])/ (summary(reg4)$coefficients[4])

Any advice?

我正在尝试复制用于单向混合效应方差分析的 Tukey 测试的教科书示例（来自 Statistics，William L. Hays p 581-583），但我使用 lme 和 glht 获得的 p 值没有意义

该研究重复测量了四种治疗方法和 10 名受试者

数据

该模型

这个 F 值与 Hay 的 ( ) 足够接近F = 43.41，我很确定我的模型很好。

图基测试

这与书本不一致。Hay's 只报告了一些比较，并给出了 HSD 和均值，而不是 p，但对于 a3-a1 的对比，发现与 an 没有显着差异，HSD = 4.02并且mean = 3.9根据我的计算有p.value = 1-ptukey(3.9*sqrt(10/8.27),4,9)=0.05719563.

R 输出也没有意义，因为应该控制多重比较的 Tukey 检验 p 值远小于配对 t 检验的 p 值（p=0.0142，使用t.test(c(11, 14, 15, 17, 15, 14, 9, 17, 10, 12),c(5, 10, 6, 13, 6, 13, 7, 10, 14, 11), paired=TRUE).

知道我做错了什么以及如何在 R 中正确执行 Tukey 测试吗？

我正在尝试计算 R 中的对数似然比检验，但遇到了一些困难。

出于某种原因，我不断得到一个负对数似然值，这是不可能的，我不知道原因。

这是我正在使用的数据。

这是到目前为止的代码：

我试图检验均值不等于 (1,1,1) 的零假设我将协方差矩阵乘以 (n4-1)/n4 的原因是我需要将协方差除以 n，而不是 n -1，cov 函数将矩阵除以 n-1。

我不确定我得到负值的原因，但如果有人可以给我一些建议，我将不胜感激。

感谢您阅读

我想通过他们的总播放量来评估男性和女性用户组的统计差异（见下面的例子）：

女性参赛作品示例

每个唯一女性用户的总播放次数

男性条目示例

每个唯一男性用户的总播放次数

每个性别的平均播放次数

在尝试 t 检验之前，我将每个系列转换为值列表：

对于 t 检验：

结果让我感到困惑，因为输出看起来很不一样，我认为这不是由于两个样本大小的差异......

数组长度之外是否有任何原因可能导致这种情况？

我正在尝试使用以下假设对 GARCH 模型（来自“rugarch”包的 ugarch）进行限制测试：

所以我正在尝试遵循 https://stats.stackexchange.com/questions/151573/testing-the-sum-of-garch1-1-parameters/151578?noredirect=1#comment629951_151578的建议

1.使用带有选项 variance.model = list(model = "sGARCH") 的 ugarchspec 指定受限模型，并使用 ugarchfit 对其进行估计。从槽拟合子槽似然中获得对数似然。

2. 使用带有选项 variance.model = list(model = "iGARCH") 的 ugarchspec 指定受限模型，并使用 ugarchfit 对其进行估计。如上所述获得对数似然。

3.计算LR=2（无限制模型的对数似然-受限模型的对数似然）并获得p值作为pchisq（q = LR，df = 1）。

我从“rugarch”包中使用了以下“sGARCH”和“iGARCH”模型。

(A) sGARCH（无限制模型）：

以下是 sGARCH 输出：

(B) iGARCH（受限模型）：

但是，我得到了 beta1 的以下输出，其标准错误、t 值和 p 值中包含 N/A。

以下是 iGARCH 输出：

如果我按照建议计算对数似然差以得出卡方值，我会得到负值：

受限模型“iGARCH”的对数似然为 5412.268，高于不应该发生的非受限模型“sGARCH”的对数似然 5411.828。

我使用的数据按时间序列方式如下（由于空间限制，我只发布前100个数据）：

为了从我的 H0 和 H1 假设执行限制测试，我可以知道如何解决这个问题吗？

我有 100 个是/否答案的随机样本。其中13个是“是”。其余为“否”。我必须检验一个关于比例的假设。

假设：H0：p = p0

H1: p > p0

置信度为 95%

我有以下代码：（z.prop 函数计算测试统计量。）

如果我使用此代码，则 p 值不同。

使用我的函数，我得到 0.1586553 的 p 值。使用 binom.test 函数我得到 p 值 = 0.1982。

这怎么可能？我的代码是错误的，还是只是某种舍入错误？谢谢你。

我似乎误解了R 中dwtestlmtest包的工作原理。

当我理解一切正确时，我首先测试两组随机数（它们不相关 - 正确）

然后我关联从 1 到 1000 的数字与它们自身递增（这不相关 - 嗯......什么）

有人可以指出我做的明显错误吗？

假设我使用lfe包felm来解释大量的固定效果。

lm诸如此类的标准对象技巧anova()不起作用。我可以自己编程，但我只是好奇。

我正在尝试对回归进行许多 F 检验，以测试弹性系数在统计上是否与 0 不同。我使用的回归如下所示，我正在尝试测试 gdp 的去弹性。

在哪里：

• log.dem 表示变量“dem”的日志
• log.dem_edu 表示交互回归量，log(dem) 和连续变量“educ”的乘积
• edu 代表居民完成的平均教育年限

dem 的弹性由 log.dem 的系数和系数 log.dem_edu 乘以 educ 的总和给出。

• 弹性 = 系数（log.dem）+ 系数（log.dem_edu）*educ

我想测试不同 educ 值（educ=1，educ=2，...，educ=10）的 dem 弹性的统计显着性，但我不确定如何使用 R 来完成此操作。对于 educ =1，我可以使用下面显示的代码运行 F 检验，因为弹性只是 coeff(log.dem) + coeff(log.dem_educ)*1 的总和。但是，我不确定如何调整它以测试 educ 值大于 1 的弹性系数。

任何建议将不胜感激！