mtest

mtest jest implementacja Pythona z m-test, test dla dwóch prób na podstawie wyboru modelu i opisane w [1] i [2].
Pomimo ich znaczenie dla wspierania wnioski eksperymentalne, standardowe testy statystyczne są często nieadekwatne do obszarów badawczych, jak nauki przyrodnicze, w których typowa wielkość próby jest mała i założenia badawcze trudne do zweryfikowania. W takich warunkach, standardowe testy są zwykle zbyt konserwatywna i nie tak, aby wykryć znaczących efektów w danych.
M-test jest klasyczny test statystyczny w znaczeniu określenia istotności z konwencjonalnym związane na błędy typu I. Z drugiej strony, to jest oparte na modelu Bayesowskiego wyboru, a więc uwzględnia niepewność co do parametrów modelu, złagodzenia problemu małej wielkości próbki.
M testu stwierdzono, mają zwykle większe mniejszą część mocy (typu II) błędów niż błąd t-test dla małych rozmiarów próbek (od 3 do 100 próbek).
[1] Berkes, P., Fiser, J. (2011) Test dwóch częstościowym próbki na podstawie wyboru modelu Bayesa. arXiv: 1104.2826v1
[2] Berkes, P., Orban, G., Lengyel, M. i Fiser, J. (2011). Spontaniczna aktywność kory odsłania znamiona optymalnego modelu wewnętrznego środowiska. Science, 331: 6013, 83-87.
mtest tabele
mtest statki buforuje tabele statystyk do obliczenia p-wartość i moc nowych danych w najbardziej efektywny sposób. Biblioteka rozpowszechniana jest z tabelami dla wartości p (błąd typ I) dla N = 3,4, ..., 20, a dla N = 30,40, ..., 100. Tabele te obejmują najczęstsze przypadki. Nowe tabele są obliczane, gdy są potrzebne, choć realizacja może potrwać kilka godzin. Typ II tabele błędów nie są wliczone do utrzymania wielkości opakowania małe.
Zobacz scriptscompute_basic_tables.py dla przykładowego skryptu do wstępnego obliczeniowych tabele mogą być potrzebne. . Skrypt korzysta z biblioteki joblib dystrybucji obliczeń na wielu rdzeniach

Wymagania :

• Python
• scipy
• pymc