mtest

m试验是一个Python实现的m测试的，基于模型的选择和所述的双样本检验[1]和[2]。
尽管他们在支持实验结论的重要性，标准的统计测试往往是不够的研究领域，如生命科学，其中典型的样本量小，测试的假设难以核实。在这样的条件下，标准测试往往是过于保守的，并不能因此检测在数据显著影响。
的m的测试是在与传统的绑定类型I误差限定意义的意义上的古典统计检验。另一方面，它是基于贝叶斯模型选择，因此考虑到有关模型的参数帐户不确定性，减轻小样本大小的问题。
第m测试已经发现通常具有更高的功率比t检验误差为小样本大小（3到100个样本）（II型误差的较小部分）。
[1]贝尔克斯，P.，菲塞，J.（2011）基于贝叶斯模型选择一个频率论两样本测试。的arXiv：1104.2826v1
[2]贝尔克斯，P.，欧尔班，G.，Lengyel的，M和菲塞，J.（2011）。自发皮层活动揭示了环境的最佳内部模型的特点。科学，331：6013，83-87。
m试验表
m试验于缓存统计表格来计算以最有效的方式的新的数据的p值和功率。库一起分发表p值（I型误差）对于N = 3,4，...，20和对于N = 30,40，...，100。这些表涵盖最常见的情况。当需要新表计算，虽然完成可能需要几个小时。第二类错误表不包括保持封装尺寸小。
见scriptscompute_basic_tables.py一个示例脚本预先计算，你可能需要的表。该脚本利用了JOBLIB库分发计算在多个内核

要求：

• 在Python的
• SciPy的
• pymc