mtest 1.0

mtest

m test是m-test的python实现，一个两个示例的测试 基于模型选择并在[1]和[2]中描述。

尽管它们在支持实验结论方面很重要，标准 统计测试通常不适合生命科学等研究领域， 当典型样本量较小且测试假设难以 核实。在这种情况下，标准测试往往过于保守，并且 因此无法检测数据中的显著影响。

m检验是定义显著性意义上的经典统计检验 与I型误差的传统界限。另一方面，它是基于 关于贝叶斯模型的选择，从而考虑到 模型参数，缓解了小样本问题。

M检验通常具有更高的功率（小于 ii类误差）小于小样本（3至100个样本）的t检验误差。

[1]Berkes，P.，Fiser，J.（2011）A frequentist two-sample test based on Bayesian model selection.arxiv:1104.2826v1

[2]Berkes，P.，Orban，G.，Lengyel，M.，和Fiser，J.（2011）。Spontaneous cortical activity reveals hallmarks of an optimal internal model of the environment.科学，331:6013，83-87.

MTEST表格

mtestships缓存统计表以计算p值和 以最有效的方式提供新数据的能力。图书馆是 与n=3,4，…，20的p值（类型i误差）表一起分布 当n=30，40，…，100时。这些表格涵盖了最常见的情况。新的 表是在需要时计算的，尽管完成可能需要一些时间 小时。不包括II类错误表以保持包的大小 很小。

请参见脚本compute_basic_tables.py 可能需要预先计算表。脚本使用joblib库来分发 多核计算。

依赖关系

mtest需要SciPy和PyMC。

许可证

mtest在GPLv3下发布。请参阅license.txt。

版权所有（c）2011，Pietro Berkes。保留所有权利。