1 #-*-coding:iso-8859-1-*-
3 # Copyright (C) 2008-2009 EDF R&D
5 # This library is free software; you can redistribute it and/or
6 # modify it under the terms of the GNU Lesser General Public
7 # License as published by the Free Software Foundation; either
8 # version 2.1 of the License.
10 # This library is distributed in the hope that it will be useful,
11 # but WITHOUT ANY WARRANTY; without even the implied warranty of
12 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU
13 # Lesser General Public License for more details.
15 # You should have received a copy of the GNU Lesser General Public
16 # License along with this library; if not, write to the Free Software
17 # Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA 02111-1307 USA
19 # See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
22 Diagnostic qui compare les variances de 2 vecteurs au sens de Fisher à
23 l'aide du calcul de la p-value pour le test de Fisher.
24 - entrée : la tolérance (tolerance) sous forme de paramètres dans le
25 dictionnaire Par, et les deux vecteurs d'échantillons.
26 - sortie : le résultat du diagnostic est une réponse booléenne au test :
27 True si l'égalite des variances est valide au sens du test de Fisher,
28 False dans le cas contraire
30 __author__ = "Sophie RICCI - Juillet 2008"
32 import sys ; sys.path.insert(0, "../daCore")
36 from BasicObjects import Diagnostic
37 from ComputeFisher import ComputeFisher
40 # ==============================================================================
41 class ElementaryDiagnostic(Diagnostic,Persistence.OneScalar):
43 Diagnostic qui compare les variances de 2 vecteurs au sens de Fisher à
44 l'aide du calcul de la p-value pour le test de Fisher.
45 - entrée : la tolérance (tolerance) sous forme de paramètres dans le
46 dictionnaire Par, et les deux vecteurs d'échantillons.
47 - sortie : le résultat du diagnostic est une réponse booléenne au test :
48 True si l'égalite des variances est valide au sens du test de Fisher,
49 False dans le cas contraire
51 def __init__(self, name="", unit="", basetype = None, parameters = {} ):
52 Diagnostic.__init__(self, name, parameters)
53 Persistence.OneScalar.__init__( self, name, unit, basetype = bool)
54 if not self.parameters.has_key("tolerance"):
55 raise ValueError("A parameter named \"tolerance\" is required.")
57 def formula(self, V1, V2):
59 Effectue le test de Fisher avec la p-value pour 2 vecteurs
61 [aire, f, reponse, message] = ComputeFisher(
64 tolerance = self.parameters["tolerance"],
66 answerKhisquareTest = False
67 if (aire < (100.*self.parameters["tolerance"])) :
68 answerKhisquareTest = False
70 answerKhisquareTest = True
71 logging.info( message )
73 return answerKhisquareTest
75 def calculate(self, vector1 = None, vector2 = None, step = None):
77 Active la formule de calcul
79 if (vector1 is None) or (vector2 is None) :
80 raise ValueError("Two vectors must be given to calculate the Fisher p-value")
81 V1 = numpy.array(vector1)
82 V2 = numpy.array(vector2)
83 if (V1.size < 1) or (V2.size < 1):
84 raise ValueError("The given vectors must not be empty")
85 if V1.size != V2.size:
86 raise ValueError("The two given vectors must have the same size, or the vector types are incompatible")
88 value = self.formula( V1, V2 )
90 self.store( value = value, step = step)
92 # ==============================================================================
93 if __name__ == "__main__":
94 print '\n AUTODIAGNOSTIC \n'
96 print " Test d'égalite des variances pour deux vecteurs de taille 10"
99 # Initialisation des inputs et appel du diagnostic
100 # --------------------------------------------------------------------
102 D = ElementaryDiagnostic("CompareVarianceFisher", parameters = {
103 "tolerance":tolerance,
106 # Tirage de l'echantillon aleatoire
107 # --------------------------------------------------------------------
108 x1 = numpy.array(([-0.23262176, 1.36065207, 0.32988102, 0.24400551, -0.66765848, -0.19088483, -0.31082575, 0.56849814, 1.21453443, 0.99657516]))
109 x2 = numpy.array(([-0.23, 1.36, 0.32, 0.24, -0.66, -0.19, -0.31, 0.56, 1.21, 0.99]))
112 # --------------------------------------------------------------------
116 print " L'hypothèse d'égalité des deux variances est correcte."
119 raise ValueError("L'hypothèse d'égalité des deux variances est fausse.")