Personal tools
You are here: Home CDAT Source Code API Reference Python: module genutil.salstat
Document Actions

Python: module genutil.salstat

 
 
genutil.salstat
index

This module has been written specifically for the SalStat statistics package. 
It is an object oriented (and more limited) version of Gary Strangmans 
stats.y module, and much code has been taken from there. The classes and 
methods are usable from the command line, and some may prefer the OO style 
to stats.py's functional style.
 
Most of the code in this file is copyright 2002 Alan James Salmoni, and is
released under version 2 or later of the GNU General Public Licence (GPL).
See the enclosed file COPYING for the full text of the licence.
 
Other parts of this code were taken from stats.py by Gary Strangman of
Harvard University (c) Not sure what year, Gary Strangman, released under the 
GNU General Public License.

 
Modules
       
MA
MV
RandomArray
genutil.array_indexing
cdms

 
Functions
       
ChiSquare(x, y, axis=0, df=1)
This method performs a chi square on 2 data set.
Usage: chisq, df, prob = ChiSquare(x,y)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
    nperm is the number of permutation wanted, default len(axis)+1
ChiSquareVariance(x, y, axis=0, df=1)
This method performs a Chi Square test for the variance ratio.
Usage:
   chisquare, prob, [df] = ChiSquareVariance(data, usermean, axis=axisoptions, df=1)
Returns: chisquare, prob, [df] = 
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
CochranesQ(*inlist, **kw)
This method performs a Cochrances Q test upon a list of lists.
Usage: q, df, prob = CochranesQ(*inlist)
inlist, being as many arrays as you  wish
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
    df=1 : if 1 then degrees of freedom are retuned
    
    WARNING: axis and df MUST be passed as keyword, as all arguments are considered as arrays
FTest(data1, data2, uservar, axis=0, df=1)
This method performs a F test for variance ratio and needs a user 
hypothesised variance to be supplied.
Usage: f, prob [,df1, df2] = FTest(data1, data2, uservar, axis=axisoptions, df=1)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
 
    df =0: if set to 1 returns degrees of freedom
FriedmanChiSquare(*inlist, **kw)
This method performs a Friedman chi square (like a nonparametric 
within subjects anova) on a list of lists.
Usage: sumranks, chisq, df, prob = FriedmanChiSqure(*args, axis=axisoptions, df=1).
inlist, being as many arrays as you  wish
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
    df=1 : if 1 then degrees of freedom are retuned
    
    WARNING: axis and df MUST be passed as keyword, as all arguments are considered as arrays
KendallsTau(x, y, axis=0)
This method performs a Kendalls tau correlation upon 2 data sets.
Usage: tau, z, prob = KendallsTau(data1, data2)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
KolmogorovSmirnov(x, y, axis=0)
This method performs a Kolmogorov-Smirnov test for unmatched samples
upon 2 data vectors.
Usage: ks, prob = KolmogorovSmirnov(data1, data2)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
KruskalWallisH(*inlist, **kw)
This method performs a Kruskal Wallis test (like a nonparametric 
between subjects anova) on a serie of arrays.
Usage: h, df, prob = KruskalWallisH(*args,axis=axispoptions, df=1).
inlist, being as many arrays as you  wish
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
    df=1 : if 1 then degrees of freedom are retuned
    
    WARNING: axis and df MUST be passed as keyword, as all arguments are considered as arrays
LinearRegression(x, y, df=1, axis=0)
This method performs a linear regression upon 2 data vectors.
Usage:  r, t, prob, slope, intercept, sterrest [,df] = LinearRegression(x,y,df=1,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
 
    df=1: If set to 1 then df is returned
MannWhitneyU(x, y, Z_MAX=6.0, axis=0)
This method performs a Mann Whitney U test for unmatched samples on
2 data vectors.
Usage: bigu, smallu, z, prob = MannWhitneyU(data1, data2, Z_MAX=6.0, axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
 
    Z_MAX: Maximum meaningfull value  for z probability (default = 6)
OneSampleSignTest(x, y, axis=0)
OneSampleSignTest
This method performs a single factor sign test. The data must be 
supplied to this method along with a user hypothesised mean value.
Usage:
nplus, nminus, z, prob = OneSampleSignTest(data, usermean, axis=axisoptions)
Returns: nplus, nminus, z, prob.
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
OneSampleTTest(x, y, axis=0, df=1)
This performs a single factor t test for a set of data and a user
hypothesised mean value.
Usage: t, prob [,df] = OneSampleTTest(data, usermean, axis=axisoptions, df=1)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
            
    df=1 : If set to 1 then the degrees of freedom are returned
PairedPermutation(x, y, nperm=None, axis=0)
This method performs a permutation test for matched samples upon 2 set
 This code was modified from Segal and further modifed by C. Doutriaux
Usage: utail, crit, prob = PairedPermutation(x,y,nperm=None)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
    nperm is the number of permutation wanted, default len(axis)+1
PearsonsCorrelation(x, y, axis=0, df=1)
This method performs a Pearsons correlation upon two sets of data
Usage: r, t, prob, [df] = PearsonsCorrelation(data1, data2,axis=0,df=1)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
 
    df =0: if set to 1 returns degrees of freedom
Range(x, axis=0)
Returns the range of the data
Usage:
    rg=Range(data,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
SpearmansCorrelation(x, y, axis=0, df=1)
This method performs a Spearmans correlation upon 2 data sets
Usage: rho, t, df, prob = SpearmansCorrelation(data1, data2, axis=0, df=1)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
 
    df=1 : If set to 1 returns the degrees of freedom
TTestPaired(x, y, axis=0, df=1)
This performs an paired t-test.
Usage: t, prob, [df] = TTestUnpaired(data1, data2,axis=axisoptions, df=1)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
 
    df =0: if set to 1 returns degrees of freedom
TTestUnpaired(x, y, axis=0, df=1)
This performs an unpaired t-test.
Usage: t, prob, [df] = TTestUnpaired(data1, data2,axis=axisoptions, df=1)
Returns: t, df, prob
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
 
    df =0: if set to 1 returns degrees of freedom
TwoSampleSignTest(x, y, axis=0)
This method performs a 2 sample sign test for matched samples on 2 
supplied data sets
Usage: nplus, nminus, ntotal, z, prob = TwoSampleSignTest(data1, data2)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
WilcoxonRankSums(x, y, Z_MAX=6.0, axis=0)
This method performs a Wilcoxon rank sums test for unpaired designs 
upon 2 data vectors.
Usage: z, prob = WilcoxonRankSums(data1, data2, Z_MAX = 6.0, axis=axisoption)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
 
    Z_MAX: Maximum meaningfull value  for z probability (default = 6)
WilcoxonSignedRanks(x, y, Z_MAX=6.0, axis=0)
This method performs a Wilcoxon Signed Ranks test for matched samples 
upon 2 data set.
Usage: wt, z, prob = WilcoxonSignedRanks(data1, data2, Z_MAX = 6.0, axis=0)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
 
    Z_MAX: Maximum meaningfull value  for z probability (default = 6)
anovaBetween(*inlist, **kw)
This method performs a univariate single factor between-subjects
analysis of variance on a list of lists (or a Numeric matrix). It is
specialised for SalStat and best left alone.
Usage: SSbet, SSwit, SStot, MSbet, MSerr, F, prob [, dfbet, dferr, dftot] = anovaBetween(*arrays,axis=axisoptions).
inlist, being as many arrays as you  wish
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
    df=1 : if 1 then degrees of freedom are retuned
    
    WARNING: axis and df MUST be passed as keyword, as all arguments are considered as arrays
anovaWithin(*inlist, **kw)
This method is specialised for SalStat, and is best left alone. 
For the brave:
Usage:
SSint, SSres, SSbet, SStot, MSbet, MSwit, MSres, F, prob [, dfbet, dfwit, dfres, dftot]  = anovaWithin(*inlist,axis=axisoptions).
inlist, being as many arrays as you  wish
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
    df=1 : if 1 then degrees of freedom are retuned
    
    WARNING: axis and df MUST be passed as keyword, as all arguments are considered as arrays
betacf(a, b, x, ITMAX=200, EPS=2.9999999999999999e-07)
This function evaluates the continued fraction form of the incomplete
Beta function, betai.  (Adapted from: MAal Recipies in C.)
 
Usage:   beta = betacf(a,b,x,ITMAX=200,EPS=3.0E-7)
ITMAX: Maximum number of iteration
EPS: Epsilon number
betai(a, b, x, ITMAX=200, EPS=2.9999999999999999e-07)
Returns the incomplete beta function:
 
I-sub-x(a,b) = 1/B(a,b)*(Integral(0,x) of t^(a-1)(1-t)^(b-1) dt)
 
where a,b>0 and B(a,b) = G(a)*G(b)/(G(a+b)) where G(a) is the gamma
function of a.  The continued fraction formulation is implemented here,
using the betacf function.  (Adapted from: MAal Recipies in C.)
 
Usage:  beta = betai(a,b,x,ITMAX=200,EPS=3.0E-7)
ITMAX: Maximum number of iteration for betacf
EPS: Epsilon number
center(x, axis=0)
Returns the deviation from the mean
Usage:
centered=center(data) # returns deviation from mean
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
chisqprob(chisq, df, Z_MAX=6.0)
Returns the (1-tailed) probability value associated with the provided
chi-square value and df.  Adapted from chisq.c in Gary Perlman's |Stat.
 
Usage:   prob = chisqprob(chisq,df)
Options:
Z_MAX: Maximum meaningfull value for z probability (default=6.0)
coefficentvariance(x, axis=0)
Returns the coefficents variance of data
Usage:
coefvar=coefficentvariance(data,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
differencesquared(x, y, axis=0)
Computes the Squared differecne between 2 datasets
Usage:
    diff=differencesquared(a,b)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
erfcc(x)
Returns the complementary error function erfc(x) with fractional
error everywhere less than 1.2e-7.  Adapted from MAal Recipies.
 
Usage:   err = erfcc(x)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
fprob(dfnum, dfden, F)
Returns the (1-tailed) significance level (p-value) of an F
statistic given the degrees of freedom for the numerator (dfR-dfF) and
the degrees of freedom for the denominator (dfF).
 
Usage:   prob = fprob(dfnum, dfden, F)   where usually dfnum=dfbn, dfden=dfwn
gamma(x)
Returns the gamma function of x.
Gamma(z) = Integral(0,infinity) of t^(z-1)exp(-t) dt.
(Adapted from: MAal Recipies in C.)
 
Usage:   _gammaln(xx)
harmonicmean(x, axis=0)
Returns the harmonicmean of the data
Usage:
h=harmonicmean(data,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
inversechi(prob, df)
This function calculates the inverse of the chi square function. Given
a p-value and a df, it should approximate the critical value needed to 
achieve these functions. Adapted from Gary Perlmans critchi function in
C. Apologies if this breaks copyright, but no copyright notice was 
attached to the relevant file.
Usage invchi = inversechi(prob,df,axis=axisoptions)
inversef(prob, df1, df2)
This function returns the f value for a given probability and 2 given
degrees of freedom. It is an approximation using the fprob function.
Adapted from Gary Perlmans critf function - apologies if copyright is 
broken, but no copyright notice was attached
Usage: fval = inversef(prob, df1, df2)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
ksprob(x)
Computes a Kolmolgorov-Smirnov t-test significance level.  Adapted from
MAal Recipies.
 
Usage:   ks = ksprob(x)
kurtosis(x, axis=0)
Return kurtosis value from dataset
Usage:
k=kurtosis(data, axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
mad(x, axis=0)
return the sum of the deviation from the median
Usage:
md=_mad(data,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
median(x, axis=0)
Not really sophisticated median, based of arrays dimension,
Not to use with missing values
Usage:
med=_median(data,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
medianranks(x, axis=0)
Return the ranks of the median
Usage:
medrk=medianranks(data,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
mode(x, axis=0)
returns the mode of the data
Usage:
md=mode(data, axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
numberuniques(x, axis=0)
Return the number of unique values
Usage:
uniques=numberuniques(data,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
pack(arrays)
Pack a list of arrays into one array
rankdata(x, axis=0)
Ranks the data, dealing with ties appropritely.
Adapted from Gary Perlman's |Stat ranksort.
Further adapted to MA/Numeric by PCMDI's team
 
Usage:   rankdata(array, axis=axisoptions)
Returns: a list of length equal to inlist, containing rank scores
Option:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
        default value = 0. You can pass the name of the dimension or index
        (integer value 0...n) over which you want to compute the statistic.
        even: 'xy': to do over 2 dimensions at once
skewness(x, axis=0)
Return the skewness of data
Usage:
skew=skewness(data, axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
ssdevs(x, axis=0)
Return the sum of the square of the deviation from mean
Usage:
ss=_ssdevs(data,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
standarddeviation(x, axis=0)
Returns stadard deviation of data
Usage:
std=standarddeviation(data,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
standarderror(x, axis=0)
Returns the standard error from dataset
Usage:
stderr=standarderror(data,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
sumsquares(x, axis=0)
Return the sum of the squares
Usage:
    sq=sumsquare(data,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
tiecorrect(x, axis=0)
Corrects for ties in Mann Whitney U and Kruskal Wallis H tests.  See
Siegel, S. (1956) Nonparametric Statistics for the Behavioral Sciences.
New York: McGraw-Hill.  Code adapted from |Stat rankind.c code.
 
Usage:   T = tiecorrect(rankvals,axis=axisoptions)
Option:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
        default value = 0. You can pass the name of the dimension or index
        (integer value 0...n) over which you want to compute the statistic.
        even: 'xy': to do over 2 dimensions at once
tprob(df, t)
Returns t probabilty given degree of freedom and T statistic
Usage: prob = tprob(df,t)
unbiasedvariance(x, axis=0)
Return the variance (Ssq/(N-1))
Usage:
svar=unbiasedvariance(x,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
variance(x, axis=0)
Return the variance of data
Usage:
V=variance(data,axis=axisoptions)
Options:
    axisoptions 'x' | 'y' | 'z' | 't' | '(dimension_name)' | 0 | 1 ... | n 
    default value = 0. You can pass the name of the dimension or index
    (integer value 0...n) over which you want to compute the statistic.
    you can also pass 'xy' to work on both axes at once
zprob(z, Z_MAX=6.0)
Returns the area under the normal curve 'to the left of' the given z value.
Thus, 
for z<0, zprob(z) = 1-tail probability
for z>0, 1.0-zprob(z) = 1-tail probability
for any z, 2.0*(1.0-zprob(abs(z))) = 2-tail probability
Adapted from z.c in Gary Perlman's |Stat.
 
Z_MAX: Maximum meaningfull value  for z probability (default = 6)
 
Usage:   z = zprob(z,Z_MAX=6.0 )

 
Data
        add = <MA.MA.masked_binary_operation instance>
multiply = <MA.MA.masked_binary_operation instance>

Powered by Plone