卡方分布线性组合的检验统计量。
chiscore的Python项目详细描述
得分
线性组合检验统计量联合显著性的估计 卡方分布。
安装
我们建议通过 conda:
conda install -c conda-forge chiscore
或者,也可以使用 pip:
pip install chiscore
运行测试
安装后,您可以对其进行测试
python -c "import chiscore; chiscore.test()"
只要你有pytest。
用法
戴维斯
>>>fromchiscoreimportdavies_pvalue>>>q=1.5>>>w=[[0.3,5.0],[5.0,1.5]]>>>davies_pvalue(q,w){'p_value':0.6151796819770086,'param':{'liu_pval':0.6151796819770086,'Is_Converged':1.0},'p_value_resampling':None,'pval_zero_msg':None}
刘
<让我们近似< > >? = 0.5⋅χ²(1, 1) + 0.4⋅χ²(2, 0.6) + 0.1⋅χ²(1, 0.8),
并评估PR(_gt;2)。
>>>fromchiscoreimportliu_sf>>>>>>w=[0.5,0.4,0.1]>>>dofs=[1,2,1]>>>deltas=[1,0.6,0.8]>>>(q,dof,delta,_)=liu_sf(2,w,dofs,deltas)>>>q0.4577529852208846>>>dof3.5556138890755395>>>delta0.7491921870025307
因此,我们有
Pr(? > 2) ≈ Pr(χ²(3.56, 0.75) > ?⁺?ₓ + ?ₓ) = 0.458.
p值
>>>fromchiscoreimportoptimal_davies_pvalue>>>q=[1.5,3.0]>>>mu=-0.5>>>var=1.0>>>kur=3.0>>>w=[10.0,0.2,0.1,0.3]>>>remain_var=0.5>>>df=3.4>>>trho=[5.1,0.2]>>>grid=[0.,0.01]>>>optimal_davies_pvalue(q,mu,var,kur,w,remain_var,df,trho,grid)0.966039962464624
作者
参考文献
- 李,承根,吴兆麟,林熙红。“稀有变异的最佳测试” 测序关联研究的影响〉,《生物统计学》13.4(2012):762-775。
- Liu,H.,Tang,Y.,&Zhang,H.H.(2009年)。一个新的卡方逼近 非中心正态非负定二次型的分布 变量。计算统计与数据分析,53(4),853-856。
许可证
这个项目是根据MIT License授权的。