Как рассчитать p-значения из Marray.polyfit Covariance Matrix? ⇐ Python

[Anonymous]

Я пытаюсь вычислить значения p для наклона, полученного с использованием xarray.polyfit (), извлекая ковариационную матрицу и используя t-критерий. Тем не менее, я получаю 1 для всех P-значений, что кажется неверным. Те же наборы данных дают допустимые значения p при использовании scipy.stats.linregress () для конкретных точек, но медленно применяются ко всему набору данных. < /P>
def compute_trends(data : xr.Dataset):
trends = xr.Dataset()

#
data = data.sortby("time")
n = data.dims["time"] # Number of time points

# Perform linear regression using xarray.polyfit()
ds = data.polyfit(dim="time", deg=1, cov=True)

# Extract slope and covariance matrix
slope = ds["polyfit_coefficients"].sel(degree=1)
slope_variance = ds["polyfit_covariance"].sel(cov_i=0, cov_j=0) # Variance of the slope

# Compute standard error, t-statistic, and p-values
stderr = np.sqrt(slope_variance)
t_stat = slope / stderr
p_values = 2 * (1 - stats.t.cdf(np.abs(t_stat), df=n - 2))

# Store in dataset
trends["slope"] = slope
trends["p_value"] = xr.DataArray(p_values, coords=slope.coords, dims=slope.dims)

return trends
< /code>
Я подозреваю проблему с тем, как я извлекаю ковариационную матрицу (polyfit_covariance) или вычисление Stderr. Я правильно извлекаю дисперсию наклона из Polyfit_covariance?

Подробнее здесь: https://stackoverflow.com/questions/794 ... nce-matrix