statsmodels.stats.weightstats.ttost_ind¶

statsmodels.stats.weightstats.ttost_ind(x1, x2, low, upp, usevar='pooled', weights=(None, None), transform=None)[source]¶

两个独立样本的（非）等价性检验

TOST: 两单侧t检验

零假设：m1 - m2 < low 或 m1 - m2 > upp 备择假设：low < m1 - m2 < upp

其中 m1, m2 是两个样本的均值，即期望值。

如果p值小于一个阈值，例如0.05，那么我们拒绝假设两个样本之间的差异大于由low和upp给出的阈值。

Parameters:¶

x1array_like, 1-D or 2-D

两个独立样本中的第一个，参见2-D情况的注释

x2array_like, 1-D or 2-D

两个独立样本中的第二个，参见2-D情况的注释

low, uppfloat

等效区间 low < m1 - m2 < upp

usevarstr, ‘pooled’ or ‘unequal’

如果 pooled，则假设样本的标准差相同。如果 unequal，则使用具有 Satterthwait 自由度的 Welch t 检验

weightstuple of None or ndarrays

两个样本的案例权重。关于权重的详细信息，请参阅 DescrStatsW

transformNone or function

如果为 None（默认值），则数据不会被转换。给定一个函数，样本数据和阈值会被转换。如果转换是 log，则等价区间为比率：low < m1 / m2 < upp

Returns:¶

pvaluefloat

非等效性检验的p值

t1, pv1tuple of floats

下限阈值测试的检验统计量和p值

t2, pv2tuple of floats

上阈值检验的检验统计量和p值

注释

如果2*alpha置信区间包含在(low, upp)区间内，则测试拒绝。

此测试也适用于多端点比较：如果 d1 和 d2 具有相同的列数，则 d1 中的每一列数据将与 d2 中对应的列进行比较。这与分别比较每一列对应列是相同的。目前没有使用多重比较校正。此处报告的原始 p 值可以使用 multitest 中的函数进行校正。