通常のPPCC分布の重要な値を取得するために、Python統計パッケージを使用したいと思います。これらの重要な値が利用可能な場合、たとえばnumpyやstatlibなどにアクセスするにはどうすればよいでしょうか。 5つのサンプルがあり、p 0.05で臨界値を取得したいとします。私はすでにこのウェブサイト(http://www.itl.nist.gov/div898/handbook/eda/section3/eda3676.htm)のテーブルを持っていますが、このテーブルがPythonで利用可能かどうか、使い方を知りたいと思います。 ありがとうございます。 (親切な私は初心者のプログラマーです)統計とプログラミング
-2
A
答えて
0
私はそれのようなテーブルを発見していません。ただし、このようなコードでそのテーブルを使用することができます。
def normal_ppcc(x, n, level):
table = {3: [0.8687, 0.879], 4: [0.8234, 0.8666], 5: [0.824, 0.8786], 6: [0.8351, 0.888], 7: [0.8474, 0.897], 8: [0.859, 0.9043], 9: [0.8689, 0.9115], 10: [0.8765, 0.9173], 11: [0.8838, 0.9223], 12: [0.8918, 0.9267], 13: [0.8974, 0.931], 14: [0.9029, 0.9343], 15: [0.908, 0.9376], 16: [0.9121, 0.9405], 17: [0.916, 0.9433], 18: [0.9196, 0.9452], 19: [0.923, 0.9479], 20: [0.9256, 0.9498]}
if not n in table:
raise ValueError ('n not in table')
if not level in [0.01, 0.05]:
raise ValueError ('invalid level')
entry = 0 if level == 0.01 else 1
return x < table[n][entry]
print (normal_ppcc(0.985, 10, 0.05))
print (normal_ppcc(0.8764, 10, 0.01))
print (normal_ppcc(0.9172, 10, 0.05))
print (normal_ppcc(0.92, 10, 0.05))
テーブルを作成するには、テーブルを新しいエディタウィンドウにコピーして貼り付けてから、このPythonコードを実行してください。次に、出力を上のコードにコピーして貼り付けました。
lines = '''\
3 0.8687 0.8790
4 0.8234 0.8666
5 0.8240 0.8786
6 0.8351 0.8880
7 0.8474 0.8970
8 0.8590 0.9043
9 0.8689 0.9115
10 0.8765 0.9173
11 0.8838 0.9223
12 0.8918 0.9267
13 0.8974 0.9310
14 0.9029 0.9343
15 0.9080 0.9376
16 0.9121 0.9405
17 0.9160 0.9433
18 0.9196 0.9452
19 0.9230 0.9479
20 0.9256 0.9498'''
table = {}
for line in lines.split('\n'):
n, x_01, x_05 = line.split()
table[int(n)] = [float(x_01), float(x_05)]
print (table)
関連する問題
- 1. R統計的プログラミング
- 2. Cプログラミング - 統計システムコール - エラー
- 3. RプログラミングとJavaの統合
- 4. ユーザー統計。ログインのIPとタイムスタンプ:統計の計算方法
- 5. レイク統計とキュウ
- 6. Python:複数の統計ファイルの統計情報のまとめ
- 7. elasticsearch - 「ファセット」と同じ「集計」「統計」
- 8. ロバスト統計のJava統計パッケージ
- 9. 計算統計は
- 10. Gearman - 計算統計
- 11. 統計集計algolia
- 12. sqlサーバと統計プロファイル
- 13. Spring統合チャネル統計メトリック
- 14. エクセル、オートリフレッシュ統合統計
- 15. SQL Serverの統計計算
- 16. ヘーゼルキャストマップの統計
- 17. ファイナライザ統計
- 18. 集団統計
- 19. エクステンションウェブサイトの統計
- 20. Matlabシミュレーション(統計)
- 21. SSISジョブ統計
- 22. 矛盾統計
- 23. Androidアプリケーション統計
- 24. クーポンコード統計は
- 25. Branch.ioの統計
- 26. SQL統計サンプリング
- 27. パフォーマンス統計テーブル
- 28. NHibernateの統計
- 29. ライブ統計式
- 30. カスタムレーキ:統計
https://docs.scipy.org/doc/scipy-0.19.0/reference/generated/scipy.stats.shapiro.htmlは、3つの選択肢に言及しています。 –