Ctrl+K
scipy.stats.

sem#

scipy.stats.sem(a, axis=0, ddof=1, nan_policy='propagate', *, keepdims=False)[source]#

計算平均數的標準誤。

計算輸入陣列中數值的平均數標準誤（或測量標準誤）。

參數:
a類陣列

一個包含數值的陣列，將為這些數值返回標準誤。必須包含至少兩個觀測值。

axis整數或 None，預設值：0

若為整數，則為計算統計量的輸入軸。輸入的每個軸切片（例如，行）的統計量將出現在輸出的對應元素中。若為 None，則會在計算統計量之前將輸入展平。

ddof整數，選填

Delta 自由度。調整多少自由度以校正在有限樣本中相對於母體變異數估計的偏差。預設值為 1。

nan_policy{‘propagate’, ‘omit’, ‘raise’}

定義如何處理輸入的 NaN。

  • propagate：若在計算統計量的軸切片（例如，行）中存在 NaN，則輸出的對應條目將為 NaN。

  • omit：在執行計算時將省略 NaN。若在計算統計量的軸切片中剩餘的資料不足，則輸出的對應條目將為 NaN。

  • raise：若存在 NaN，將引發 ValueError。

keepdims布林值，預設值：False

若設定為 True，則縮減的軸將保留在結果中作為大小為一的維度。使用此選項，結果將針對輸入陣列正確廣播。

返回:
sndarray 或 float

樣本中沿輸入軸的平均數標準誤。

註解

ddof 的預設值與其他包含 ddof 的常式（例如 np.std 和 np.nanstd）使用的預設值 (0) 不同。

從 SciPy 1.9 開始，np.matrix 輸入（不建議用於新程式碼）會在執行計算之前轉換為 np.ndarray。在這種情況下，輸出將是純量或具有適當形狀的 np.ndarray，而不是 2D np.matrix。同樣地，雖然會忽略遮罩陣列的遮罩元素，但輸出將是純量或 np.ndarray，而不是具有 mask=False 的遮罩陣列。

範例

沿著第一個軸尋找標準誤

>>> import numpy as np
>>> from scipy import stats
>>> a = np.arange(20).reshape(5,4)
>>> stats.sem(a)
array([ 2.8284,  2.8284,  2.8284,  2.8284])

使用 n 個自由度，在整個陣列中尋找標準誤

>>> stats.sem(a, axis=None, ddof=0)
1.2893796958227628
本頁面