chiscore

估算从卡方分布的线性组合中导出的测试统计量的联合显著性。

安装

我们建议通过 conda 安装。

conda install -c conda-forge chiscore

或者，chiscore也可以使用 pip 安装。

pip install chiscore

运行测试

安装后，您可以使用 pytest 进行测试。

python -c "import chiscore; chiscore.test()"

只要您有 pytest。

用法

戴维斯

>>> from chiscore import davies_pvalue
>>> q = 1.5
>>> w = [[0.3, 5.0], [5.0, 1.5]]
>>> davies_pvalue(q, w)
{'p_value': 0.6151796819770086, 'param': {'liu_pval': 0.6151796819770086, 'Is_Converged': 1.0}, 'p_value_resampling': None, 'pval_zero_msg': None}

刘

让我们近似

𝑋 = 0.5⋅χ²(1, 1) + 0.4⋅χ²(2, 0.6) + 0.1⋅χ²(1, 0.8),

并评估 Pr(𝑋 > 2)。

>>> from chiscore import liu_sf
>>>
>>> w = [0.5, 0.4, 0.1]
>>> dofs = [1, 2, 1]
>>> deltas = [1, 0.6, 0.8]
>>> (q, dof, delta, _) = liu_sf(2, w, dofs, deltas)
>>> q
0.4577529852208846
>>> dof
3.5556138890755395
>>> delta
0.7491921870025307

因此，我们得到

Pr(𝑋 > 2) ≈ Pr(χ²(3.56, 0.75) > 𝑡⁺𝜎ₓ + 𝜇ₓ) = 0.458.

P值

>>> from chiscore import optimal_davies_pvalue
>>> q = [1.5, 3.0]
>>> mu = -0.5
>>> var = 1.0
>>> kur = 3.0
>>> w = [10.0, 0.2, 0.1, 0.3]
>>> remain_var = 0.5
>>> df = 3.4
>>> trho = [5.1, 0.2]
>>> grid = [0., 0.01]
>>> optimal_davies_pvalue(q, mu, var, kur, w, remain_var, df, trho, grid)
0.966039962464624

作者

• 丹尼尔·霍塔

参考文献

• 李，Seunggeun，迈克尔·C·吴，和Xihong Lin。"序列关联研究中罕见变异效应的最佳检验。" 生物统计学 13.4 (2012): 762-775。
• 刘，H.，唐，Y.，和张，H.H. (2009)。非中心正态变量中非负定二次型分布的新卡方近似。计算统计学与数据分析，53(4)，853-856。

许可证

此项目根据MIT许可证授权。