问题标签 [scipy.stats]

我曾经scipy.stats.anderson()测试过正态分布。我的测试分布不是正态分布，因此 teststatistic > 临界值。但是，当检查我观察到的所有计算的临界值时，对于降低 p 值的临界值正在增加。这意味着，检验越关键（p 值越小），临界值越接近检验统计量。在我看来，这应该是另一种方式。任何熟悉安德森测试及其在 Scipy 中的实现的人？

有兴趣了解如何在 python 中解释 Anderson darling 测试的结果。

似乎 AD stat 必须低于其相关显着性水平的临界值，尽管我不确定如何从函数的返回中正确确定这一点。

这是函数的结果

想象有一个球形体积，里面装满了不同大小的黑色球体。在投影中，有一些被这些球体相交的蓝色区域。蓝色误差条来自与蓝色区域（投影中）相交的球体的概率分布，而黑色误差条来自与随机光束相交的球体的概率分布。下图显示了两个归一化和离散的概率密度函数。如何使用KS方法或任何其他方法显示蓝色PDF是从黑色PDF中获取的？

我需要为一个函数创建一个简单的包装器的快速 python 实现scipy.stats。这个函数只接受向量而不接受矩阵。下面的包装器是两个实现，但都具有相似的运行时间。是否可以在不将实现转移到 C/C++ 域的情况下加快其中的任何一个。

样品运行：

非常感谢

我需要计算 GRASS GIS python 脚本中两个栅格值之间的 TheilSen 回归斜率和截距。此示例中的两个栅格（xtile 和 ytile）都具有相同的尺寸 250x250 像素并包含 nodata（空）值。到目前为止，我只使用了grass.script，所以我是 scipy 的新手。我尝试阅读一些教程，并在此基础上提出了我在命令行上尝试的以下代码：

显然，事情不会这么简单。 编辑：我消除了关于数组维度问题的想法，我错了。现在看来 250x250 数组大小实在是太大了。是这样吗？知道如何避免这种情况吗？

然后似乎还有另一个问题。当我尝试打印数组 x 时，

看来光栅中的所有 nodata 值都被读取为零到数组中。在所讨论的栅格中，大多数 nodata （或在 GRASS 中命名的 null ）像素，在回归中应该被忽略，即。如果栅格 x 或 y 中的任何值是 nodata，则不应在回归计算中使用相应的 x,y 数据对。是否可以在数组中定义 nodata 值，以便以所描述的方式直接忽略这些值，或者是否需要首先从数组对中过滤掉 nodata 对？

谢谢你。

我有 2 个列表，我想检查 wilcoxon 秩和检验。

我看到有scipy.stats.ranksums库，但它只显示 2 面测试。

如何在 python 中进行单面测试？

我一直在使用 scipy 的 binned_statistic_2d 函数来绘制一些数据的二维直方图，特别是通过设置 expand_binnumbers = True 返回数据所在的 bin 的索引列表。它运行良好，直到今天。以下代码演示了我的问题：

TypeError：输入类型不支持 ufunc 'isfinite'，并且根据转换规则 ''safe'' 无法安全地将输入强制转换为任何支持的类型

任何想法为什么这应该突然停止工作？

我有一个包含 100 行和 21 列的数据集，其中列是变量。我想知道这些变量是否来自多元正态分布。因此，我使用了 Scipy 库中的 de Normaltest，但我无法理解结果。这是我的代码：

在此示例中，p 是一个 21 数组，而不是单个值。谁能解释如何解释这个数组？

我使用 scipy 的 rv_continuous 方法创建了一个自定义发行版。我正在尝试创建由 beta 衰变产生的电子的能量分布。鉴于其pdf：

我取自：http ://hyperphysics.phy-astr.gsu.edu/hbase/Nuclear/beta2.html#c1

我定义我的分布：

其中 x = KE, Q = 0.6, C = 22.48...（通过在 0 --> Q 和设置等于 1 之间整合上述表达式来归一化），并且我忽略了费米函数 F(Z',KEe)在上面的方程式中。

当我绘制 pdf 时，它看起来是正确的：

但是，当我尝试使用 .rvs() 从中抽取随机样本时，它们所取的值会在 RHS 上达到峰值，而不是像我预期的那样低于 pdf 的峰值：

最终，我的代码需要对分布进行采样以获得由 beta 衰变释放的电子的 KE。为什么我的直方图如此错误？

我有一个简单的二维高斯分布图。

如果我使用标记为“这有效”的限制，我会得到以下图（正确）。

但是，如果我使用相同的限制，但稍作调整，它会绘制完全错误的图，因为定位在不同的值（如下）。

我猜这是mgrid. 有没有人有任何想法？更具体地说，为什么分布的最大值会移动？