mtest

MTESTは、mテストのPython実装、二標本検定モデル選択に基づき、に記載されている[1]、[2]。
実験の結論を支持におけるその重要性にもかかわらず、標準的な統計的検定は、多くの場合、典型的なサンプルサイズが小さく、検証するために、テストの仮定が困難な生命科学などの研究分野、のために不十分です。このような状況では、標準的な試験は、過度に保守的である傾向があり、データの有意な効果を検出することができません。
M-試験はタイプIエラーの従来の結合されたとの重要性を定義するという意味での古典的な統計的検定です。一方、ベイジアンモデル選択に基づいており、したがって、小さいサンプルサイズの問題を緩和する、モデルのパラメータについてのアカウントの不確実性を考慮に入れます。
M-試験は、一般に、小さなサンプルサイズ（3〜100サンプル）のためのt検定の誤差よりも高い電力（タイプIIエラーの小さな画分）を有することが見出されています。
[1] Berkes、P.、Fiser、J.（2011）ベイジアンモデル選択に基づく頻度派2標本検定。 arXivの：1104.2826v1
[2] Berkes、P.、オルバン、G.、レンギェル、M.、およびFiser、J.（2011）。自発的皮質活動は、環境の最適な内部モデルの特徴を明らかにする。サイエンス、331：6013、83-87。
MTESTテーブル
MTEST船は、最も効率的な方法で新しいデータのp値と電力を計算するための統計情報の表をキャッシュします。ライブラリは= nのp値（タイプIエラー）用のテーブルを3,4、...、20を分散して、...、100 N = 30,40のためにされています。これらの表は、最も一般的なケースをカバー。必要なときに完了に数時間かかることがありますが、新しいテーブルには、計算されます。タイプIIエラー表は、小型パッケージ·サイズを維持するために含まれていません。
あなたが必要な場合がありますあらかじめ計算表に例のスクリプトのscriptscompute_basic_tables.pyを参照してください。スクリプトは、複数のコア上での計算を配布するJOBLIBライブラリーを利用します。

要件：ます。

Pythonの
scipyのダウンロード
pymc