chezahuynya1/app/zadachi/zadacha5.py

import numpy as np
from app.zadachi.zadacha2 import zadacha2
from app.zadachi.zadacha1 import zadacha1

class zadacha5:
    def __init__(self):
        self.z1 = zadacha1()
        self.z2 = zadacha2()

    def calculate_spearman_rank_test(self):
        """
        Выполняет тест ранговой корреляции Спирмена для проверки взаимосвязи между X и Y.
        :return: коэффициент корреляции Спирмена и p-value
        """
        # Генерируем данные
        X, Y = self.z1.create_lin_array()
        
        # Вычисляем ранги
        X_ranks = np.argsort(np.argsort(X))
        Y_ranks = np.argsort(np.argsort(Y))
        
        # Вычисляем разницу рангов
        diff_ranks = X_ranks - Y_ranks
        
        # Числитель формулы Спирмена
        numerator = 6 * np.sum(diff_ranks**2)
        
        # Количество наблюдений
        n = len(X)
        
        # Коэффициент корреляции Спирмена
        spearman_coef = 1 - numerator / (n * (n**2 - 1))
        
        # Оценка значимости результата (p-value) не рассчитывается вручную здесь, но коэффициент корреляции интерпретируется.
        print(f'Коэффициент корреляции Спирмена: {spearman_coef:.3f}')
        
        # Интерпретация результата
        if np.abs(spearman_coef) > 0.5:
            print("Существует значимая взаимосвязь между X и Y.")
        else:
            print("Взаимосвязь между X и Y слабая или отсутствует.")

    def calculate_gq_test(self):
        """
        Выполняет тест Голдфелда-Квандта для проверки гомоскедастичности.
        :return: значение статистики F и результат теста
        """
        # Генерируем данные
        X, Y = self.z1.create_lin_array()
        
        # Рассчитываем коэффициенты регрессии
        b0, b1 = self.z2.calculate_coefficients(X, Y)
        
        # Вычисляем остатки
        residuals = Y - self.z2.predict(X, b0, b1)
        
        # Сортируем данные по X для выполнения теста
        sorted_indices = np.argsort(X)
        residuals_sorted = residuals[sorted_indices]
        
        # Разбиваем данные на две части
        split_index = len(residuals_sorted) // 2
        residuals_low = residuals_sorted[:split_index]
        residuals_high = residuals_sorted[split_index:]
        
        # Вычисляем средние квадраты остатков
        var_low = np.var(residuals_low, ddof=1)
        var_high = np.var(residuals_high, ddof=1)
        
        # Тестовая статистика F
        f_stat = var_high / var_low
        
        print(f'Статистика F: {f_stat:.3f}')
        
        # Интерпретация результата
        if f_stat > 2 or f_stat < 0.5:
            print("Остатки не гомоскедастичны. Условие линейной регрессии нарушено.")
        else:
            print("Остатки гомоскедастичны. Условие линейной регрессии выполнено.")