潜在的小虫子scipy.stats.mstats.侧面坡？

Question

我是一个非常新的python/scipy/numpy，并开始使用它是因为scipy内置的theilsen估计器函数和python友好的iterability。在将python脚本的结果与其他的Theil-Sen计算结果进行比较后，我认为我在scipy.stats.mstats.theilslopes函数。我希望一个更有经验的程序员/统计学家能证实我的发现。在

mstats源代码（https://github.com/scipy/scipy/blob/v0.14.0/scipy/stats/mstats_basic.py#L673）有两个部分（我认为）有错误。在第一部分中，两个系列都必须是浮动的，没有理由掩盖部分序列。因此，我将从以下方面修订本规范：

  y = ma.asarray(y).flatten()
  y[-1] = masked
  n = len(y)
  if x is None:
      x = ma.arange(len(y), dtype=float)
  else:
      x = ma.asarray(x).flatten()

…收件人：

^{pr2}$

第二，在计算泰尔森截距（定义如下：http://books.google.com/books?id=lK9gHXwYnqgC&pg=PA67#v=onepage&q&f=false）时，似乎有一个基本错误。当前代码计算所有x和y的中值，然后根据这些值和斜率计算截距。参见：

slopes = ma.hstack([(y[i+1:]-y[i])/(x[i+1:]-x[i]) for i in range(n-1)])
slopes.sort()
medslope = ma.median(slopes)
medinter = ma.median(y) - medslope*ma.median(x)

然而，正确的方法是将斜率应用于每个坐标对，然后根据这些值计算中值。所以，我认为正确的代码应该是：

slopes = ma.hstack([(y[i+1:]-y[i])/(x[i+1:]-x[i]) for i in range(n-1)])
slopes.sort()
medslope = ma.median(slopes)
intercepts = ma.hstack([(y[i] - medslope*x[i]) for i in range(n)])
intercepts.sort()
medinter = ma.median(intercepts)

所以——你们这些白痴，你们怎么看？谢谢！在

Answer 1

我检查了关于计算Theil-Sen斜率的R documentation，他们用的是SciPy。在

Conover (1980, p. 267) suggests the following estimator for the intercept:

所以我想SciPy方法是好的。在