mtest är en Python genomförandet av m-testet, en två-testprov baserat på modellval och beskrivs i [1] och [2].
Trots deras betydelse för att stödja experimentella slutsatser standard statistiska tester är ofta otillräckliga för forskningsområden, som biovetenskap, där typiska provstorleken är liten och test antaganden svårt att verifiera. Under sådana förhållanden, standardtester tenderar att vara alltför konservativ, och misslyckas därför att upptäcka betydande effekter i data.
M-testet är en klassisk statistisk test i den mening att definiera betydelsen med den konventionella gräns på typ I-fel. Å andra sidan, är det baserat på Bayesiansk modell val, och därmed tar hänsyn till osäkerheten om modellens parametrar, mildra problemet med små prover storlek.
M-testet har visat sig i allmänhet att ha en högre effekt (mindre fraktion av typ II fel) än ett t-test felet för små storlekar prov (3 till 100 prover).
[1] Berkes, P., Fiser, J. (2011) En frekventistiska två-provet baserat på Bayesiansk modell val. arXiv: 1104.2826v1
[2] Berkes, P., Orban, G., Lengyel, M., och Fiser, J. (2011). Spontan kortikal aktivitet avslöjar kännetecken en optimal intern modell av miljön. Science, 331: 6013, 83-87.
mtest tabeller
mtest fartyg cachar tabeller med statistik för att beräkna p-värdet och kraften i nya uppgifter i det mest effektiva sättet. Biblioteket distribueras med tabeller för p-värden (typ I fel) för N = 3,4, ..., 20 och N = 30,40, ..., 100. Dessa tabeller omfattar de vanligaste fallen. Nya tabeller beräknas vid behov, även om slutförandet kan ta några timmar. Typ II tabeller fel ingår inte att hålla paketstorleken liten.
Se scriptscompute_basic_tables.py för ett exempelskript att i förväg beräkna tabeller du kan tänkas behöva. . Skriptet utnyttjar den joblib biblioteket för att distribuera beräkningar på flera kärnor
Krav :
- Python
- SciPy
- pymc
Kommentarer hittades inte