ncl中常用的显著性检验函数

copy_VarMeta(var_from,var_to)

最常用的一个函数，因为若变量的LAT和LON坐标若没有定义单位等要素，画map图会报错

显著性检验函数

1、检验相关系数是否显著

rtest(相关系数r,样本数目n,0) # 用t分布检验相关系数是否显著，t=r*sqrt（（n-2）/（1-r**2））

返回统计概率值prob，当 prob.lt.0.01 时，说明其通过99%的显著性检验

2、两组样本均值差异是否显著

ttest(均值1，方差1，样本数1，均值2，方差2，样本数2，iflag，tval_opt)

iflag，为True表示两组样本有相同的总值方差，为False表示有不同的总值方差

tval_opt，为True表示返回统计概率值和student_t值，为False则只返回统计概率

当统计概率值.lt.置信度siglvl（例如0.05），则两组样本差异显著

3、检验两组样本的方差是否有显著差别

ftest（方差1，样本数1，方差2，样本数2，0）

返回统计概率值prob

计算EOF的函数

1、计算EOF特征空间模态

optEOF      = True
optEOF@jopt = 1 #1表示用相关矩阵计算EOFs，0表示用协方差矩阵计算EOFs（默认）
neval       = n #计算前n个EOFs模态
eof         = eofunc_n_Wrap(data,neval,optEIF,dim) #计算data的前neval个空间模态

若输入的 data 为（time,nlat,nlon),则得到的为 eof(neval,nlat,nlon),且 eof 是标准化变量（每一空间模态的平方和=1），可通过乘上相应特征值的开方去标准化

同时，该函数还会以属性形式返回：eval 特征值（一维数组），pcvar 特征值方差贡献（一维数组）

用相关矩阵计算EOFs得到的各模态特征值比用协方差矩阵计算得到的小很多，且两者的特征值方差贡献也完全不一样。

• 当用相关矩阵计算EOFs时，相当于用标准化变量进行EOF分析，此时各个点的标准化变量可能相差不大，故能同时反映不同区域标准化变量的异常特征，反映的是变量场不同区域的相关情况

• 当用协方差矩阵计算EOFs时。相当于用距平变量进行EOF分析，此时EOF分析主要反映距平绝对值较大区域的主要异常特征

2、计算EOF各模态对应的时间系数

eof         = eofunc_n_Wrap(data,neval,optEIF,dim)
optETS      = True
optETS@jopt = 1 #指使用标准化数据矩阵计算时间序列，默认使用输入的data和eof（此时可设为False）
eof_ts      = eofunc_ts_n_Wrap(data,eof,optETS,dim) #计算与eof对应的时间序列

若输入的 data 为 (time,nlat,nlon), eof(neval,nlat,nlon),则得到 eof_ts（neval，time） (减去均值后的值），同时以属性的形式返回 ts_mean(neval),是 eof_ts 的均值

3、检验各模态的特征值是否显著与其他特征值分离

sig     = eofunc_north(eval特征值，时间样本数，prinfo) #也可用特征值的方差贡献pcvar做检验

prinfo = True 时，打印计算所得的 delta lambda、特征值、最低和最高界限以及分离的显著性

输入的eval或者pcvar只能是一维数组，返回一维逻辑型数组，表示特征值是否显著与其他特征值分离