mtest

mtest è un'implementazione Python del m-test, un test a due campione basato sulla selezione del modello e descritto in [1] e [2].
Nonostante la loro importanza nel sostenere le conclusioni sperimentali, test statistici standard sono spesso inadeguati per aree di ricerca, come le scienze della vita, in cui la dimensione tipica del campione è piccolo e le ipotesi di prova difficile da verificare. In tali condizioni, test standard tendono ad essere eccessivamente conservativo, e non riescono quindi a rilevare effetti significativi nei dati.
La m-test è un test statistico classica nel senso di definire significatività con il limite convenzionale errori di tipo I. D'altro canto, si basa sulla selezione del modello Bayesiano, e tiene quindi conto dell'incertezza sui parametri del modello, mitigare il problema di piccole dimensioni campioni.
La m-test è stato trovato per avere generalmente una potenza maggiore (piccola frazione del Tipo errori II) di un errore di t-test per campioni di piccole dimensioni (3 a 100 campioni).
[1] Berkes, P., Fiser, J. (2011) Un test per due campioni frequentista in base alla selezione del modello bayesiano. arXiv: 1104.2826v1
[2] Berkes, P., Orban, G., Lengyel, M., e Fiser, J. (2011). Attività corticale spontanea rivela tratti distintivi di un modello interno ottimale dell'ambiente. Scienza, 331: 6013, 83-87.
tavoli mtest
navi mtest memorizza nella cache tabelle statistiche per calcolare il p-valore e il potere dei nuovi dati in modo più efficiente. La libreria è distribuita con tavoli per p-valori (tipo di errore I) per N = 3,4, ..., 20 e N = 30,40, ..., 100. Queste tabelle coprono i casi più comuni. Le nuove tabelle vengono calcolati in caso di necessità, anche se il completamento potrebbe richiedere un paio d'ore. Di tipo II tabelle di errore non sono inclusi per mantenere la dimensione del pacchetto di piccole dimensioni.
Vedere scriptscompute_basic_tables.py per uno script di esempio di pre-elaborazione tabelle potreste avere bisogno. . Lo script fa uso della libreria joblib per distribuire i calcoli su più core

Requisiti

• Python
• SciPy
• pymc