我正在使用 SciPy在 Python 中,无论出于何种原因,以下内容都会返回一个 nan
值:
>>>stats.ttest_ind([1, 1], [1, 1])
Ttest_indResult(statistic=nan, pvalue=nan)
>>>stats.ttest_ind([1, 1], [1, 1, 1])
Ttest_indResult(statistic=nan, pvalue=nan).
但每当我使用具有不同汇总统计数据的样本时,我实际上会得到一个合理的值:
stats.ttest_ind([1, 1], [1, 1, 1, 2])
Ttest_indResult(statistic=-0.66666666666666663, pvalue=0.54146973927558495).
将 nan
的 p 值解释为 0
是否合理?是否有统计数据表明对具有相同汇总统计数据的样本运行 2 样本 t 检验没有意义?
最佳答案
除以零将引发 NaN(= 不是数字)异常,或返回按照惯例与 NaN 匹配的浮点表示形式。要特别注意除以 N 与除以 N 减一标准差公式。
关于python - 为什么 SciPy 返回 `nan` 用于样本方差为 0 的 t 检验?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38356250/