Python全系列 教程
3567个小节阅读:5930.8k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
McNemar's检验(配对卡方检验)用于分析两个相关率的变化是否有统计学意义
案例:
用A、B两种方法检查已确诊的某种疾病患者140名,A法检出91名(65%),B法检出77名(55%),A、B两法一致的检出56名(40%),问哪种方法阳性检出率更高?
分析思路:
一般在 b + c < 40 时,需用确切概率法进行检验,或者进行校正
代码实现
statsmodels.stats.contingency_tables中常用的配对卡方的分析使用:
tbl.SquareTable 用于分析行列变量类别相同的对称结构方表(近似结果)
tbl.mcnemar 用于分析配对四格表(确切概率结果)
xxxxxxxxxx
import numpy as np
import statsmodels.stats.contingency_tables as tbl
# 必须为方阵结构数据
table = tbl.SquareTable(np.array([[56, 35], [21, 28]]))
print(table.summary()) # 打印汇总信息
print(table.symmetry()) # 只打印symmetry
xxxxxxxxxx
import statsmodels.stats.contingency_tables as tbl
table = tbl.mcnemar(pd.DataFrame([[56, 35], [21, 28]]))
print(table.pvalue) # 确切概率结果
1. 关于配对卡方检验,下列说法正确的是:
A 配对卡方检验用于分析两个相关率的变化是否有统计学意义
B 配对卡方检验的零假设是观察频数与期望频数无差别
C 对同一个体,只有一次测量
D 主对角线上的单元格携带检验方法的差异信息
2.statsmodels中的实现配对卡方检验的类是:
A resid_pearson
B Table
C SquareTable
D chi2_contribs
1=>A 2=>C