ncl中常用的显著性检验函数 |
您所在的位置：网站首页 › student t检验列表 › ncl中常用的显著性检验函数 |
|
copy_VarMeta(var_from,var_to)
最常用的一个函数，因为若变量的LAT和LON坐标若没有定义单位等要素，画map图会报错 显著性检验函数 1、检验相关系数是否显著 rtest(相关系数r,样本数目n,0) # 用t分布检验相关系数是否显著，t=r*sqrt（（n-2）/（1-r**2））返回统计概率值prob，当 prob.lt.0.01 时，说明其通过99%的显著性检验 2、两组样本均值差异是否显著 ttest(均值1，方差1，样本数1，均值2，方差2，样本数2，iflag，tval_opt)iflag，为True表示两组样本有相同的总值方差，为False表示有不同的总值方差 tval_opt，为True表示返回统计概率值和student_t值，为False则只返回统计概率 当统计概率值.lt.置信度siglvl（例如0.05），则两组样本差异显著 3、检验两组样本的方差是否有显著差别 ftest（方差1，样本数1，方差2，样本数2，0）返回统计概率值prob 计算EOF的函数 1、计算EOF特征空间模态 optEOF = True optEOF@jopt = 1 #1表示用相关矩阵计算EOFs，0表示用协方差矩阵计算EOFs（默认） neval = n #计算前n个EOFs模态 eof = eofunc_n_Wrap(data,neval,optEIF,dim) #计算data的前neval个空间模态若输入的 data 为（time,nlat,nlon),则得到的为 eof(neval,nlat,nlon),且 eof 是标准化变量（每一空间模态的平方和=1），可通过乘上相应特征值的开方去标准化 同时，该函数还会以属性形式返回：eval 特征值（一维数组），pcvar 特征值方差贡献（一维数组） 用相关矩阵计算EOFs得到的各模态特征值比用协方差矩阵计算得到的小很多，且两者的特征值方差贡献也完全不一样。 当用相关矩阵计算EOFs时，相当于用标准化变量进行EOF分析，此时各个点的标准化变量可能相差不大，故能同时反映不同区域标准化变量的异常特征，反映的是变量场不同区域的相关情况 当用协方差矩阵计算EOFs时。相当于用距平变量进行EOF分析，此时EOF分析主要反映距平绝对值较大区域的主要异常特征 2、计算EOF各模态对应的时间系数 eof = eofunc_n_Wrap(data,neval,optEIF,dim) optETS = True optETS@jopt = 1 #指使用标准化数据矩阵计算时间序列，默认使用输入的data和eof（此时可设为False） eof_ts = eofunc_ts_n_Wrap(data,eof,optETS,dim) #计算与eof对应的时间序列若输入的 data 为 (time,nlat,nlon), eof(neval,nlat,nlon),则得到 eof_ts（neval，time） (减去均值后的值），同时以属性的形式返回 ts_mean(neval),是 eof_ts 的均值 3、检验各模态的特征值是否显著与其他特征值分离 sig = eofunc_north(eval特征值，时间样本数，prinfo) #也可用特征值的方差贡献pcvar做检验prinfo = True 时，打印计算所得的 delta lambda、特征值、最低和最高界限以及分离的显著性 输入的eval或者pcvar只能是一维数组，返回一维逻辑型数组，表示特征值是否显著与其他特征值分离 |
今日新闻 |
推荐新闻 |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |