statsmodels.stats.rates.test_poisson¶

statsmodels.stats.rates.test_poisson(count, nobs, value, method=None, alternative='two-sided', dispersion=1)[source]¶

单样本泊松均值或率的检验

Parameters:¶

countarray_like

观察到的计数，事件的数量。

nobsarrat_like

目前这是计数变量的总曝光时间。 这可能会改变。

valuefloat, array_like

这是在零假设下的泊松率值。

methodstr

用于置信区间的方法。 这是必需的，目前没有默认方法。 请参阅注释以获取可用方法。

alternative{‘two-sided’, ‘smaller’, ‘larger’}

备择假设，可以是双侧的或单侧检验中的任意一个。

dispersionfloat

泊松QMLE的离散尺度系数。默认情况下，数据服从泊松分布。离散度不同于1对应于泊松准似然（GLM）中的过度离散。离散系数不同于1目前仅在wald和score方法中使用。

Returns:¶

HolderTuple instance with test statistic, pvalue and other attributes.

另请参阅

confint_poisson

注释

假设检验的实现主要是基于置信区间的参考，参见 confint_poisson。

可用的方法是：

• “score” : 基于score检验，使用零假设下的方差

• “wald” : 基于wald检验，使用基于估计率的方差。

• “waldccv” : 基于wald检验，方差计算中加入了0.5的计数。这不会对置信区间的中心使用连续性校正。

• 基于伽马分布的“精确-c”中心置信区间

• “midp-c” : 基于中心精确置信区间的midp校正。 此方法使用测试函数的数值反演。非向量化。

• “sqrt” : 基于平方根变换的计数

• 基于Anscombe平方根变换的“sqrt-a”，用于计数 + 3/8。