谈谈 Python 中的 McNemar 检验(二)

已于 2024-03-27 22:50:27 修改
阅读量749 收藏 4
点赞数 3
分类专栏： 数据分析 文章标签： 数据分析 算法
于 2024-03-27 22:13:17 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Cuiweibaike/article/details/137090972
版权
本文介绍了如何在Python中使用McNemar检验来比较两个数据模型预测的出险次数分布，结果显示两个模型的结果无显著差异。特别提到McNemar检验在Pythonstatsmodels的游程模块中的应用，与列联表模块的区别。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

前一篇文章说了McNemar检验，除了最常用的用法是用来检验列联表的相似性之外，它还可以用来检验两个相关样本是否来自同一分布。这里主要说一下后面这个问题。前一个问题，请看如下的文献：

谈谈 Python 中的 McNemar 检验(一)-优快云博客

我们还是使用保险的例子。两个数据模型对出险次数进行预测，得到的两个次数分布如下：

出险次数 模型1 模型2
0
最低0.47元/天 解锁文章
机器学习：Friedman检验与Nemenyi后续检验，Python实现
master_hunter的博客
10-01 8238
前言 本人大数据专业初入大三刚刚接触机器学习这一课程，教材是最典型的西瓜书，第一次作业当然就是利用本专业语言多功能python语言结合书内容尝试自己构建P-R曲线以及延伸指标曲线。当然初入一些算法和机器学习的一些库还不是很熟练掌握，有待提升自己的编程结合能力。在此领域本人有诸多不明确疑问，可能文章会有些许错误，望大家在评论区指正，本篇文章错误将会不断更正维护。 具体代码实现参考：https://blog.youkuaiyun.com/qqMiSa/article/details/98660515 提示：以下...
如何在 R 中执行 McNemar 检验
Mrrunsen的博客
06-06 930
McNemar 检验 用于确定配对数据之间的比例是否存在统计学上的显着差异。本教程介绍了如何在 R 中执行 McNemar 检验。示例：R 中的 McNemar 检验 假设研究人员想知道某个营销视频是否可以改变人们对特定法律的看法。他们对 100 人进行了调查，以确定他们是否支持这项法律。然后，他们向所有 100 人展示营销视频，并在视频结束后再次对他们进行调查。下表显示了观看视频前后支持法律的总人数： 为了确定在观看视频之前和之后支持法律的人的比例是否存在统计学上的显着差异，我们可以进行 McNemar
谈谈 Python 中的 McNemar 检验(三)
Cuiweibaike的博客
03-27 407
这一篇主要说一说 McNemar 的具体算法。
谈谈 Python 中的 McNemar 检验(一)
Cuiweibaike的博客
03-27 784
McNemar检验，最常用的用法是用来检验列联表的相似性，但实际上它也可以用来检验两个相关样本是否来自同一分布。
麦克尼马尔检验(McNemar test)
热门推荐
orDream的博客
01-17 2万+
麦克尼马尔检验(McNemar test) 前言 在统计学中，McNemar 检验是用于配对 名义数据的统计检验。它应用于具有二分特征的2 × 2列联表，具有匹配的主题对，以确定行和列的边际频率是否相等（即是否存在“边际同质性”）。它以Quinn McNemar 的名字命名，他于 1947 年引入了它。该测试在遗传学中的一个应用是用于检测连锁不平衡的传输不平衡测试。在医学科学中评估诊断测试的常用参数是敏感性和特异性。敏感性是测试正确识别疾病患者的能力。特异性是测试正确识别那些没有疾病的人的能力。现在假设对同
McNemar test麦克尼马尔检验
weixin_33929309的博客
06-07 4093
sklearn实战-乳腺癌细胞数据挖掘（博主亲自录视频） https://study.163.com/course/introduction.htm?courseId=1005269003&utm_campaign=commission&utm_source=cp-400000000398149&utm_medium=share 医药项目统计联系QQ:23146924...
python mcnemar 检验
10-29
在Python中，可以使用pingouin包中的chi2_mcnemar函数来执行McNemar检验。该函数将返回一个包含自由度、p值、卡方值、cramer和power等信息的数据框。在执行McNemar检验之前，需要将数据转换为适当的格式，以便能够在...
统计分析-分类数据的检验 python 笔记
yixiaowanmifan的博客
10-17 917
卡方检验 Fisher精确检验 McNemar检验 Cochran’Q检验 1. 卡方检验 1.1单因素卡方检验 from scipy import stats v,p=stats.chisquare(data) 1.2卡方联立表检验 比较两组之间是否有差异 data=np.array([[43,9],[44,4]]) v,p,dof,expected=stats.chi2_continge...
python统计分析——分类数据的检验
maizeman126的博客
04-09 1453
（对于b+c<25，应该进行二项式计算，事实上，大多数软件包只是简单的在所有情况下都执行二项式计算，因为所有情况下的结果都是精确的。该方法包括评估与所有可能的2×2表相关联的概率，这些表与所观察到的数据具有相同的行和列总数，使得零假设（即行和列变量是无关的）是真的。如果计算出的概率p低于选定的显著水平，则零假设被拒绝，可以得出结论，至少2个变量中的比例是显著不同的。如果数据可以被组织在一组类别中，并且它们被作为频数给出，即每个类别中的样本总数（而不是百分比），那么下面讲述的检验适用于这类数据分析。
Friedman检验及后续Nemenyi检验可视化
有一分热，发一分光。
01-01 5633
每篇论文都可以加的数值分析实验！
麦克内马尔检验(McNemar‘s Test)
orDream的博客
03-10 1万+
麦克内马尔检验(McNemar’s Test) 配对标称数据的麦克内马尔检验(McNemar’s Test) from mlxtend.evaluate import mcnemar 概述 McNemar的检验[1]（有时也称为“受试者内卡方检验”）是对配对名义数据的统计检验。在机器学习中，我们可以使用两种统计模型（NEMAR）来测试机器学习的准确性。麦克内马尔的测试是基于两个模型预测的2倍连续表。 McNemar’s Test Statistic 在麦克内马尔的检验中，我们提出了零假设，即概率 p(b)p
python画弗里德曼（Friedman） 检验和秩和检验（Nemenyi）检验图
大模型天花板
05-22 4027
python画弗里德曼（Friedman） 检验和秩和检验（Nemenyi）检验图 画好后效果图 实现代码如下 import matplotlib.pyplot as plt #算法平均排名 _alg_=[1.405,2.643,2.786,2.167] y=[1,2,3,4]#alg1,alg2,alg3,alg4 通过Nemenyi测试计算得到的临界值CD CD=1.024 h_CD=CD/2 plt.figure(figsize=(10,6)) plt.scatter(_alg_,y,s=10
卡方检验及其在Python中的应用
最新发布
小高~的博客
09-27 1612
卡方检验是分析分类变量之间关系的重要工具，能够有效地检验观察数据与期望数据之间的差异。在Python中，库为我们提供了便捷的工具来进行卡方检验和相关分析。希望通过本文的介绍，小伙伴们能对卡方检验有更深入的理解，并能够在实际数据分析中熟练应用。码字艰辛，本篇内容就分享至此，如果渴望深入了解更多Python机器学习方面的应用，别忘了点击关注博主，引导你从零开始探索Python在统计分析上的奥秘。同时，对于在数据分析与机器学习《Python之机器学习》，让我们一起努力坚强学习，共同进步吧~
机器学习预备02
qq_62218542的博客
08-14 538
几乎所有涉及到多个变量的假设检验方法，都可以被看作是这些变。直线相关：两变量呈线性共同增大，或者呈线性一增一减的情况。曲线相关：两变量存在相关趋势，但是为各种可能的曲线趋势。不服从正态分布的变量、分类或等级变量之间的关联性可采用。公式理解：标准差代表变量的离散程度（信息量大小）；多变量回归：因变量和一组自变量间的关联性分析。无序：列联系数等（例如：民族与职业的关系）要求相应的变量呈双变量正态分布（近似也可以）检验：分组变量与连续因变量间的关联性分析。卡方检验：行、列分类变量间的关联性分析。...
【Python】卡方检验
missinghead的博客
01-26 5661
卡方检验是一种用途很广的计数资料的假设检验方法，属于非参数检验范畴。这种检验方法主要用于推断两个总体率之间有无差别、多个总体率之间有无差别、多个样本率之间的多重比较、两个分类变量之间有无关联性和频数分布拟合优度的检验等。某研究者欲比较膳食干预（实验组）和普通健康教育（对照组）对糖尿病患者血糖的控制达标情况，将171例糖尿病患者随机分为两组，干预6个月后结果如下。卡方分布：n个独立分布(标准正态分布)的变量的平方和服从自由度为n的卡方分布。即n个独立的标准正态随机变量的总和Y服从具有n个自由度的卡方分布。
McNemar假设检验
Hello Word!
04-28 4757
McNemar检验用于比较两个模型的差异性，不能说明哪个模型更准确。 0假设是没有显著差异。检验统计量（p）是0假设发生的概率。 指定显著度为alpha。p>alpha，接受0假设，没有显著差异。反之拒绝。 McNemar 检验统计量符合自由度为1的卡方分布 （自由度为K的卡方分布为K个高斯分布的随机变量的平方和服从的分布） http://www.atyun.com/25532.html 卡方分布：https://zh.wikipedia.org/wiki/%E5%8D%A1%E6%96%B9%E5%
python基于pingouin包进行统计分析：使用chi2_mcnemar函数执行两分类变量之间的McNemar’s独立性检验、以dataframe的形式输出分析结果
statistics+insight+vista+power
01-13 166
python基于pingouin包进行统计分析：使用chi2_mcnemar函数执行两分类变量之间的McNemar’s独立性检验、以dataframe的形式输出分析结果（包含自由度、p值、卡方值、cramer、power等）
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值