Pruebas de Estadística (Kolmogorov y T-test) con Python y Rpy2

Question

Ejecuté algunos algoritmos y quería hacer algunos análisis estadísticos con los resultados.Tengo dos vectores con los promedios de la tasa de error.

Con R, usando la línea de abajo obtendría todo.

t.test(methodresults1,methodresults2,var.equal=FALSE,paired=FALSE,alternative="less")

Como uso Python, quería usar el proyecto Rpy2.

Intenté eso:

import rpy2.robjects as R

# methodresults1 and methodresults2 are numpy arrays.

# kolmogorov test
normality_res = R.r['ks.test'](R.FloatVector(methodresults1.tolist()),'pnorm',mean=R.FloatVector(methodresults1.mean().tolist()),sd=R.FloatVector(methodresults1.std().tolist())))

# t-test
res = R.r['t.test'](R.FloatVector(methodresults1.tolist()),R.FloatVector(methodresults2.tolist()),alternative='two.sided',var.equal=FALSE,paired=FALSE)

res.rx('p.value')[0][0]
res.rx('statistic')[0][0]
res.rx('parameter')[0][0]

No pude realizar ambas pruebas.

También descubrí que el problema con la prueba t está en la declaración var.equal y me da una * Error de sintaxis:La palabra clave no puede ser una expresión (, línea 1).

Pregunta adicional:¿Existe una mejor manera de trabajar con numpy y Rpy2?

Answer 1

Como dice: " SyntaxError: La palabra clave no puede ser una expresión (, línea 1). "

En Python, los símbolos no pueden contener el carácter ".".

from rpy2.robjects.packages import importr
from rpy2.robjects.vectors import StrVector
stats = importr("stats")
stats.t_test(methodresults1, methodresults2,
             **{'var.equal': False,
                'paired': False,
                'alternative': StrVector(("less", ))})

Revisa el Documentación RPY2 sobre funciones para másDetalles.

---

Answer 2

para realizar la prueba ks con python, en el caso de una prueba de dos muestras, puede

>>> from scipy.stats import ks_2samp
>>> import numpy as np
>>> 

dónde x, y son dos nupmy.array:

>>> ks_2samp(x, y)
(0.022999999999999909, 0.95189016804849658)

El primer valor son las estadísticas de la prueba y el segundo valor es el valor p.si el valor p es inferior a 95 (para un nivel de significancia del 5%), esto significa que no se puede rechazar la hipótesis nula de que las dos distribuciones muestrales son idénticas.

para ver una prueba ks de muestra, consulte, por ejemplo, aquí: http://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.kstest.html#scipy.stats.kstest

Esta prueba le permite probar la bondad del ajuste de su distribución empírica a una distribución de probabilidad determinada.