statsmodels.stats.multitest.NullDistribution¶

class statsmodels.stats.multitest.NullDistribution(zscores, null_lb=-1, null_ub=1, estimate_mean=True, estimate_scale=True, estimate_null_proportion=False)[source]¶

估计空Z分数的高斯分布。

观察到的Z分数包含空值和非空值。 拟合的空值Z分数分布是高斯分布，但可能具有非零均值和/或非单位尺度。

Parameters:¶

zscoresarray_like

观察到的Z分数。

null_lbfloat

Z-scores在null_lb和null_ub之间的都被认为是真实的零假设。

null_ubfloat

参见 null_lb。

estimate_meanbool

如果为真，估计分布的均值。如果为假，均值固定为零。

estimate_scalebool

如果为True，估计分布的尺度。如果为False，尺度参数固定为1。

estimate_null_proportionbool

如果为真，估计真实零假设的比例（即预期值为零的z分数的比例）。如果为假，此参数固定为1。

Attributes:¶

meanfloat

经验零分布的估计均值

sdfloat

经验零分布的估计标准差

null_proportionfloat

在所有假设中，真实零假设的估计比例

注释

另请参阅：

http://nipy.org/nipy/labs/enn.html#nipy.algorithms.statistics.empirical_pvalue.NormalEmpiricalNull.fdr

参考文献

B Efron (2008). 微阵列、经验贝叶斯和两组模型。统计科学 23:1, 1-22。

方法

pdf(zscores)

评估拟合的经验零假设Z分数密度。