Python中的似然比检验

Question

我在Python 2.7中计算似然比测试时遇到了麻烦.

我有两个模型和相应的似然值.我相信比较模型L2是否优于模型L1(如果模型密切相关)的规则是查看-2*log(L2/L1).

然后我想找到对应于-2*log(L2/L1)的p值,并将其与L2的重要性相关联,优先于L1.这是我到目前为止:

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

但是,我遇到两个问题:

• 当我预计它接近0时,我的p值将变为1.
• 例如,当我在标有": - "的行上使用公式来查找五西格玛时,它与文献中引用的值不同 - 该行用以下内容突出显示:-(.我的值five_sigma_check取自此处.

有人可以提供任何建议吗？我对Python和统计学的世界相对较新.

谢谢.

Answer 1

要计算给定对数似然的似然比,请使用以下公式:

from scipy.stats.distributions import chi2
def likelihood_ratio(llmin, llmax):
    return(2*(llmax-llmin))


LR = likelihood_ratio(L1,L2)


p = chi2.sf(LR, 1) # L2 has 1 DoF more than L1

print 'p: %.30f' % p 

# p: 0.000000121315450836607258011741