Python 给定 nan 的 t 统计量的 p 值
Python p value from t-statistic giving nan
我有一些 t 值和自由度，想从中找到 p 值（它是双尾的）。在现实世界中，我会在统计学教科书后面使用 t 检验 table；但是，我在 python 中使用 stdtr 或 stats.t.sf 函数。它们都适用于较小的自由度，但给我 nan 较大的自由度：
pf = 2*stdtr(dof, -np.abs(tf))
pval = 2*stats.t.sf(np.abs(tf), dof-1)
tf = -11.374250, dof=-2176568.362223 给出 pf 和 pval= nan.
能否请您帮助我了解内部发生的情况。此外，如何阅读python的这些内部函数的代码。
关于内部发生的事情。那么，Student t 分布是为 dof > 0 定义的，至少在 scipy.stats 中是这样：
http://docs.scipy.org/doc/scipy-dev/reference/generated/scipy.stats.t.html。
因此 nan:
In [11]: stats.t.sf(-11, df=10)
Out[11]: 0.99999967038443183
In [12]: stats.t.sf(-11, df=-10)
Out[12]: nan
我有一些 t 值和自由度，想从中找到 p 值（它是双尾的）。在现实世界中，我会在统计学教科书后面使用 t 检验 table；但是，我在 python 中使用 stdtr 或 stats.t.sf 函数。它们都适用于较小的自由度，但给我 nan 较大的自由度：
pf = 2*stdtr(dof, -np.abs(tf))
pval = 2*stats.t.sf(np.abs(tf), dof-1)
tf = -11.374250, dof=-2176568.362223 给出 pf 和 pval= nan.
能否请您帮助我了解内部发生的情况。此外，如何阅读python的这些内部函数的代码。
关于内部发生的事情。那么，Student t 分布是为 dof > 0 定义的，至少在 scipy.stats 中是这样：
http://docs.scipy.org/doc/scipy-dev/reference/generated/scipy.stats.t.html。
因此 nan:
In [11]: stats.t.sf(-11, df=10)
Out[11]: 0.99999967038443183
In [12]: stats.t.sf(-11, df=-10)
Out[12]: nan