mtest

mtest là một thực hiện Python của m-kiểm tra, thử nghiệm hai mẫu dựa trên lựa chọn mô hình và mô tả trong [1] và [2].
Mặc dù tầm quan trọng của họ trong việc hỗ trợ các kết luận thử nghiệm, kiểm tra thống kê tiêu chuẩn thường không đủ cho lĩnh vực nghiên cứu, như các ngành khoa học cuộc sống, nơi có kích thước mẫu điển hình là nhỏ và các giả định thử nghiệm khó khăn để xác minh. Trong điều kiện như vậy, các bài kiểm tra tiêu chuẩn có xu hướng quá bảo thủ, và thất bại như vậy, để phát hiện tác dụng đáng kể trong các dữ liệu.
Các m-test là một bài kiểm tra thống kê cổ điển trong ý nghĩa của việc xác định ý nghĩa với các quy ước ràng buộc về sai sót loại I. Mặt khác, nó được dựa trên lựa chọn mô hình Bayesian, và do đó sẽ đưa vào tài khoản của sự không chắc chắn về các tham số của mô hình, giảm thiểu các vấn đề về kích thước mẫu nhỏ.
Các m-test đã được tìm thấy thường có một quyền lực cao hơn (phần nhỏ của Type lỗi II) hơn một lỗi t-test cho các kích cỡ mẫu nhỏ (3-100 mẫu).
[1] Berkes, P., Fiser, J. (2011) Một bài kiểm tra hai mẫu frequentist dựa trên lựa chọn mô hình Bayes. arXiv: 1104.2826v1
[2] Berkes, P., Orban, G., Lengyel, M., và Fiser, J. (2011). Hoạt động bộ não tự phát cho thấy điểm nổi bật của một mô hình nội tối ưu của môi trường. Khoa học, 331: 6013, 83-87.
bảng mtest
tàu mtest lưu trữ các bảng số liệu thống kê để tính toán các giá trị p và sức mạnh của dữ liệu mới một cách hiệu quả nhất. Thư viện này được phân phối với các bảng cho các giá trị p (loại I lỗi) cho N = 3,4, ..., 20 và N = 30,40, ..., 100. Các bảng này bao gồm các trường hợp phổ biến nhất. Bảng mới được tính khi cần thiết, mặc dù hoàn thành có thể mất một vài giờ. Loại II bảng báo lỗi không được bao gồm để giữ cho kích thước gói nhỏ.
Xem scriptscompute_basic_tables.py cho một kịch bản ví dụ để sẵn tính bảng bạn có thể cần. . Các kịch bản này sử dụng các thư viện joblib để phân phối các tính toán trên nhiều lõi

Yêu cầu :

• Python
• scipy
• pymc