Python中的似然比测试

我在Python 2.7中计算似然比测试时遇到问题

我有两个模型和相应的似然值。我认为比较模型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优先于L1的重要性联系起来。以下是我到目前为止的情况：

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

然而，我遇到了两个问题：

• 我的p值是1，而我本以为它接近于0
• 例如，当我使用标有：-）的行上的公式来查找五西格玛时，它与文献中引用的值不同-该行突出显示为：-（

  five\u sigma\u check

  的值取自

有人能给我一些建议吗？我对Python和统计的世界还比较陌生

---

谢谢。

要计算给定对数概率的似然比，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

---

是

L1

和

L2

可能性还是日志可能性？如果它们是日志可能性，你不应该在计算LR

L1

和

L2

时记录它们的日志。我明白你的意思，记录日志没有意义……chisqprob在scipy中不再存在，或者它是我一点也不导入。scipy中的所有其他功能都有效（使用verison scipy-1.0.0）。还有其他方法吗？我相信新的等效函数是

scipy.stats.chi2.sf（）

——也许您可以更新您的答案？