maximtrp/scikit-posthocs

何を解決するか

Pythonの統計エコシステムにおけるギャップを埋め、対比較の多重比較に対する包括的な後続検定のセットを提供します。これらの検定は、ANOVA検定で統計的に有意な結果が得られた後に、どのグループの水準が互いに異なるかを特定するために統計的データ分析で使用されます。

動作方法

NumPy配列とPandas DataFramesと統合して高速な計算を実行します。パラメトリック検定とノンパラメトリック検定の幅広い選択肢を提供しており、オムニバス検定、因子設計およびブロック設計向けの検定、コントロールグループとの比較も可能です。また、外れ値検出とp値の調整ツールを備えており、第一種および第二種の誤りを最小限に抑えることができます。

対象ユーザー

Pythonをデータ分析ワークフローに使用する統計学者、データアナリスト、研究者向けに設計されています。

主な特徴

• 広範な検定ライブラリ: 例としてTukeyHSD、Games-Howell（パラメトリック検定）、Dunn、Conover（ノンパラメトリック検定）、オムニバス検定を含む。
• 設計対応: 因子設計およびブロック設計データ向けの専用検定。
• データ統合: Pythonのリスト、NumPy配列、Pandas DataFramesをネイティブにサポート。
• 可視化: p値を可視化する組み込みの有意性プロット（ヒートマップ）。
• 分析ツール: 外れ値検出（例：Grubbs、ESD検定）と結果の要約に使用できるCompact Letter Display（CLD）を備える。