Question

我有两组numpy数组（A，B），我想要使用统计t检验比较两组（两个样本 t检验）。结果应该再次是一个相同的数组尺寸提供例如p值或其他统计数据索引。

这里有两组我要比较的示例数组：

import numpy as np

A1= numpy.random.normal(1,1,100)
A2= numpy.random.normal(1,1,100)
A3= numpy.random.normal(1,1,100)
A4= numpy.random.normal(1,1,100)
A5= numpy.random.normal(1,1,100)


B1= numpy.random.normal(3,1,100)
B2= numpy.random.normal(3,1,100)
B3= numpy.random.normal(3,1,100)
B4= numpy.random.normal(3,1,100)
B5= numpy.random.normal(3,1,100)

Numpy / Scipy的标准功能是否可以实现？或者我必须遍历每个数组的元素？

Answer 1

由于每组中有五个是i.i.d.，你想比较连接的A = [A1 A2 A3 A4 A5]和B = [B1 B2 B3 B4 B5]。您可以等效生成A = numpy.random.normal(1,1,500)，B = numpy.random.normal(3,1,500)。

然后计算两者的平均值和偏差（numpy.mean，numpy.std），并计算学生t统计量。或者使用scipy.stats.ttest_ind。

Answer 2

我认为我找到了对数组的每个元素进行t检验的正确解决方案：

我涉及在执行t检验之前堆叠数组：

import numpy
from scipy import stats


A1= numpy.random.normal(1,1,10).reshape(5, 2)
A2= numpy.random.normal(1,1,10).reshape(5, 2)
A3= numpy.random.normal(1,1,10).reshape(5, 2)
A4= numpy.random.normal(1,1,10).reshape(5, 2)
A5= numpy.random.normal(1,1,10).reshape(5, 2)
A = numpy.dstack((A1,A2,A3,A4,A5))

B1= numpy.random.normal(3,1,10).reshape(5, 2)
B2= numpy.random.normal(3,1,10).reshape(5, 2)
B3= numpy.random.normal(3,1,10).reshape(5, 2)
B4= numpy.random.normal(3,1,10).reshape(5, 2)
B5= numpy.random.normal(3,1,10).reshape(5, 2)
B = numpy.dstack((B1,B2,B3,B4,B5))

C = scipy.stats.ttest_ind(B,A,2)[1]

还有一个小问题，如何计算，例如该 scipy.stats.mannwhitneyu（） - 测试（非正常数据），无法指定数组维度的地方 t检验。

在numpy数组之间进行T检验

2 个答案: