$\chi^2$ prueba de la varianza en Python

Question

Estoy buscando una función en Python que compruebe la hipótesis de que la varianza de una muestra gaussiana es igual a un valor dado, para validar mi propia función.

Hablo de esta prueba: https://www.itl.nist.gov/div898/handbook/eda/section3/eda358.htm

Podría encontrar el $\chi^2$ para la varianza categórica, y las pruebas de Levene y Bartlett para comparar las varianzas de las muestras, pero no esta sencilla prueba. ¿Alguien conoce una función de este tipo en Python?

Answer 1

import numpy as np
from scipy.stats import chi2

def var_test(x, va0, direction = "two-tailed", alpha = 0.05):
    n = len(x)
    Q = (n - 1) * np.var(x) / va0 
    if direction == "lower":
        q = chi2.ppf(alpha, n - 1)
            if Q <= q:
            return "H_0 rejected"
        else:
            return "H_0 not rejected"
    elif direction == "upper":
        q = chi2.ppf(1 - alpha, n - 1)
        if Q >= q:
            return "H_0 rejected"
        else:
            return "H_0 not rejected"
    else:
        q1 = chi2.ppf(alpha / 2, n - 1)
        q2 = chi2.ppf(1 - (alpha / 2), n - 1)
        if Q <= q1 or Q >= q2:
            return "H_0 rejected"
        else:
            return "H_0 not rejected"

n = 25    

x = np.random.normal(0, 3, n)

var_test(x, va0 = 1)