scipy.stats.

binomtest#

scipy.stats.binomtest(k, n, p=0.5, alternative='two-sided')[source]#

執行檢定以檢驗成功的機率是否為 p。

二項式檢定 [1] 是一種檢定虛無假設的方法，該虛無假設認為白努利實驗中成功的機率為 p。

關於此檢定的詳細資訊可以在許多統計學教科書中找到，例如 [2] 的第 24.5 節。

參數:

kint: 成功的次數。
nint: 試驗的次數。
pfloat, optional: 假設成功的機率，即預期成功的比例。值必須在區間 0 <= p <= 1 內。預設值為 p = 0.5。
alternative{‘two-sided’, ‘greater’, ‘less’}, optional: 指出對立假設。預設值為 ‘two-sided’。

回傳值:

resultBinomTestResult 實例

回傳值是一個具有以下屬性的物件

kint: 成功的次數（從 binomtest 輸入複製）。
nint: 試驗的次數（從 binomtest 輸入複製）。
alternativestr: 指出在 binomtest 的輸入中指定的對立假設。它將會是 'two-sided'、'greater' 或 'less' 其中之一。
statisticfloat: 成功比例的估計值。
pvaluefloat: 假設檢定的 p 值。

此物件具有以下方法

註解

在版本 1.7.0 中新增。

參考文獻

[1]

[2]

Jerrold H. Zar，《生物統計分析》（第五版），Prentice Hall，Upper Saddle River，New Jersey USA (2010)

範例

>>> from scipy.stats import binomtest

一家汽車製造商聲稱，他們生產的汽車中，不安全汽車的比例不超過 10%。檢查了 15 輛汽車的安全性，發現其中 3 輛不安全。檢驗製造商的聲稱。

>>> result = binomtest(3, n=15, p=0.1, alternative='greater')
>>> result.pvalue
0.18406106910639114

在 5% 顯著性水準下，無法拒絕虛無假設，因為回傳的 p 值大於 5% 的臨界值。

檢定統計量等於估計的比例，即 3/15

>>> result.statistic
0.2

我們可以使用結果的 proportion_ci() 方法來計算估計值的信賴區間。

>>> result.proportion_ci(confidence_level=0.95)
ConfidenceInterval(low=0.05684686759024681, high=1.0)