我试图计算以下抛硬币示例的p值:
n = 5
h = 4 # out of 5 toss 4 are head
# calculate pvalue using equal or more extreme cases
pval = P(4H1T) + P(4T1H) + P(5H) + P(5T)
= 5/32 + 5/32 + 1/32 + 1/32
= 12/32
= 0.375
但当我尝试标准方法时:
from scipy import stats
phat = h / n
p0 = 0.5 # for unbiased coin
q0 = 1 - p0
z = (phat - p0) / sqrt(p0q0/n)
pval = 1 - stats.norm.cdf(z)
我得到:
0.08985624743949994.
如何使用pythonscipystats(answer=0.375)获得类似的结果
在这个statquest视频中,作者解释了如何使用相等或更多的极值获得pvalue,我们得到了0.375
但是在这里
使用给出的公式,我们得到另一个答案
哪种方法好,我们可以比较pvalue和alpha
这是一个二项分布的情况。遵循
scipy.stats.binom_test
中的官方示例:输出
z值是正态分布的标准值,不是概率。此外,连续分布中精确值的概率有点棘手。这种情况听起来最适合二项分布
哪些产出:
相关问题 更多 >
编程相关推荐