Test współczynnika wiarygodności w języku Python

Question

Mam problem z obliczeniem testu współczynnika wiarygodności w Pythonie 2.7.

Mam dwa modele i odpowiadające im wartości prawdopodobieństwa. Uważam, że reguła porównywania tego, czy model L2 jest lepszy niż model L1 (jeśli modele są ze sobą blisko powiązane), to spojrzenie na -2 * log (L2/L1).

Chciałbym następnie znaleźć wartość p dla odpowiadającej -2 * log (L2/L1) i powiązać ją z istotnością dla L2 jest preferowana względem L1. Oto co mam do tej pory:

import numpy as np 
from scipy.stats import chisqprob 

L1 = 467400. # log(likelihood) of my 1st fit 
L2 = 467414. # log(likelihood) of my 2nd fit 

LR = -2. * np.log(L2/L1) # LR = -5.9905e-05 

p = chisqprob(LR, 1) # L2 has 1 DoF more than L1 

print 'p: %.30f' % p # p = 1.000000000000000000000000000000 

five_sigma = 1 - scipy.special.erf(5/np.sqrt(2.))     :-) 
print '5 sigma: %.30f' % five_sigma 

five_sigma_check = 1 - 0.999999426696856        :-(
print 'Check : %.30f' % five_sigma_check 

Jednak biegnę na dwie kwestie:

• Moja wartość p zbliża się 1, gdy będę tego spodziewać, aby być blisko 0.
• Kiedy używam formuły w linii oznaczonej :-), aby znaleźć pięć sigma, na przykład, różni się od wartości podanej w literaturze - linia ta jest podświetlona za pomocą :-(. Moja wartość dla five_sigma_check pochodzi z here.

Czy ktoś może zaoferować jakąkolwiek poradę? Jestem stosunkowo nowy w świecie Pythona i statystyk.

Dzięki.

Answer 1

Aby obliczyć wskaźnik wiarygodności danych logowania wiarogodności, należy użyć następującego wzoru:

def likelihood_ratio(llmin, llmax): 
    return(2*(llmax-llmin)) 


LR = likelihood_ratio(L1,L2) 


p = chisqprob(LR, 1) # L2 has 1 DoF more than L1 

print 'p: %.30f' % p 

# p: 0.000000121315450836607258011741