mtest

mtest er en Python implementering af m-testen, en to-stikprøve-test baseret på udvælgelse model og er beskrevet i [1] og [2].
På trods af deres betydning i at støtte eksperimentelle konklusioner, standard statistiske tests er ofte utilstrækkelige til forskningsområder, som biovidenskab, hvor den typiske stikprøvestørrelse er lille og test antagelser vanskelige at verificere. Under sådanne forhold, standard tests tendens til at være for konservativ, og undlader således at detektere signifikante virkninger i dataene.
M-testen er en klassisk statistisk test i den forstand at definere betydning med den konventionelle grænse for type I fejl. På den anden side, er det baseret på Bayesian udvælgelse model, og dermed tager hensyn til usikkerhed om modellens parametre, afbøde problemet med små prøver størrelse.
M-test har vist sig generelt at have en højere effekt (mindre brøkdel af type II fejl) end en t-test fejl for små prøver (3 til 100 prøver).
[1] Berkes, P., Fišer, J. (2011) En frequentist to stikprøver test baseret på Bayes udvælgelse model. arXiv: 1104.2826v1
[2] Berkes, P., Orban, G., Lengyel, M., og Fišer, J. (2011). Spontan cortical aktivitet afslører kendetegn for en optimal intern model af miljøet. Science, 331: 6013, 83-87.
mtest tabeller
mtest skibe cacher tabeller af statistikker for at beregne p-værdien og magt af nye data på den mest effektive måde. Biblioteket er fordelt med tabeller for p-værdier (type I fejl) for N = 3,4, ..., 20 og for N = 30-40, ..., 100. Disse tabeller dækker de mest almindelige tilfælde. Nye tabeller er beregnet efter behov, selv om afslutningen kan tage et par timer. Type II fejl tabeller er ikke inkluderet for at holde pakkestørrelsen lille.
Se scriptscompute_basic_tables.py for et eksempel script til at pre-beregne tabeller, du måske har brug for. . Scriptet gør brug af joblib biblioteket til at distribuere beregninger på flere kerner

Krav :

• Python
• SciPy
• pymc