mtest

MTest ist ein Python-Implementierung des m-Test, ein Zwei-Stichproben-Test auf Basis von Modellauswahl und in [1] und [2].
Trotz ihrer Bedeutung bei der Unterstützung der experimentellen Schlussfolgerungen sind statistische Standardtests oft für Forschungsbereichen unzureichend, wie die Lebenswissenschaften, wo der typische Probengröße klein ist und die Test Annahmen schwer zu überprüfen. Unter solchen Bedingungen neigen Standard-Tests zu sein zu konservativ, und versagen somit signifikante Wirkungen in den Daten zu detektieren.
Die m-Test ist ein klassischer statistischer Test im Sinne der Definition von Bedeutung mit auf Typ-I-Fehler der herkömmlichen Schranke. Auf der anderen Seite, ist es auf Bayes-Modell Auswahl basiert, und berücksichtigt somit die Unsicherheit über Parameter des Modells, zur Eindämmung des Problems der kleinen Proben Größe.
Das m-Test wurde gefunden, daß im allgemeinen eine höhere Leistung (kleinerer Anteil der Typ II-Fehler) als ein T-Testfehler für kleine Probenmengen (3 bis 100 Proben).
[1] Berkes, P., Fiser, J. (2011) A frequentistischen zwei Stichproben-Test auf Basis von Bayes-Modell Auswahl. arXiv: 1104.2826v1
[2] Berkes, P., Orban, G., Lengyel, M., und Fiser, J. (2011). Spontane kortikale Aktivität zeigt Merkmale einer optimalen internen Modell der Umgebung. Science, 331: 6013, 83-87.
MTest Tabellen
MTest Schiffe Caches Tabellen der Statistik, um den p-Wert und die Macht der neuen Daten auf die effizienteste Art und Weise zu berechnen. Die Bibliothek ist mit Tischen für die p-Werte (Typ-I-Fehler) für N verteilt = 3,4, ..., 20 und N = 30,40, ..., 100. Diese Tabellen werden die häufigsten Fälle. Werden neue Tabellen berechnet, wenn nötig, auch wenn Abschluss kann ein paar Stunden dauern. Typ-II-Fehlertabellen sind nicht enthalten, um die Paketgröße klein zu halten.
Siehe scriptscompute_basic_tables.py für ein Beispiel-Skript vor, eine compute-Tabellen Sie benötigen. . Das Skript nutzt die JOBLIB Bibliothek, um die Berechnungen auf mehrere Cores verteilen

Anforderungen :

• Python
• SciPy
• pymc