我想对我的配对数据执行单侧wilcoxon等级测试,因为我很感兴趣,如果一个样本明显大于另一个样本。
Scipy提供
scipy.stats.wilcoxon(x,y)
使用成对的样本x和y执行双侧测试。由于我不能假设正态(对称)分布,我不能从双侧p值导出单侧p值。
现在有人用python方法获得单侧测试的p值吗?
谢谢!
答案 0 :(得分:14)
scipy.stats.wilcoxon
返回的P值与x
或y
的分布无关,也与它们之间的差异无关。它由Wilcoxon检验统计量(W在http://en.wikipedia.org/wiki/Wilcoxon_signed-rank_test中,或者在scipy
中)确定,假设它遵循正态分布。如果检查源(在~python_directory \ site-packages \ scipy \ stats \ morestats.py中),你会发现def wilcoxon()
的最后几行:
se = sqrt(se / 24)
z = (T - mn) / se
prob = 2. * distributions.norm.sf(abs(z))
return T, prob
和
mn = count*(count + 1.) * 0.25
se = count*(count + 1.) * (2. * count + 1.)
count
是x
和y
之间非零差异的数量。
因此,要获得单边p值,您只需要prob/2.
或1-prob/2.
实施例:
在Python
:
>>> y1=[125,115,130,140,140,115,140,125,140,135]
>>> y2=[110,122,125,120,140,124,123,137,135,145]
>>> ss.wilcoxon(y1, y2)
(18.0, 0.5936305914425295)
在R
:
> wilcox.test(y1, y2, paired=TRUE, exact=FALSE, correct=FALSE)
Wilcoxon signed rank test
data: y1 and y2
V = 27, p-value = 0.5936
alternative hypothesis: true location shift is not equal to 0
> wilcox.test(y1, y2, paired=TRUE, exact=FALSE, correct=FALSE, alt='greater')
Wilcoxon signed rank test
data: y1 and y2
V = 27, p-value = 0.2968
alternative hypothesis: true location shift is greater than 0
答案 1 :(得分:1)
如果你有足够的观察(和其他假设),我记得scipy Mann-Withney测试是片面的:http://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.mannwhitneyu.html