ANOVA со временем в Python, что я делаю?

Мне очень нравятся статистические данные, но они не прошли курс более 6 лет. У меня возникли проблемы с выяснением, какие тесты мне нужны здесь, и лучшая функция numpy/scipy/R для использования в этих проблемах.

У меня есть таблица посетителей и их соответствующие свойства (например, "Browser = Mozilla, Referrer = Google" ), а также значение переменной для посетителя (например, 5 долларов США), сгруппированное по точкам данных с течением времени.

Моя цель:

A) Найдите наиболее значимые семейства свойств с оценкой "насколько важно" семья

Пример вывода, который я хочу нарисовать *:

Referrer has 10x larger effect size upon value-per-visitor than Browser
=> PropertyFamily('browser').significance = 1
=> PropertyFamily('referrer').significance = 10

и

B) Найдите наиболее значимые свойства внутри семейств с оценками значимости.

Пример вывода, который я хотел бы сделать:

GIVEN THAT Value:Baseline => $5/hit
5 hits from IE @ $5/hit (equal to baseline) => no significance
1 hit from Netscape @ $0 => little significance (not enough data)
10 hits from FF @ $10/hit => HIGH significance (hits and delta_value both high)

Мои вопросы:

1) Существуют ли функции numpy/scipy/R, чтобы сделать мою жизнь легкой здесь?

2) Может ли кто-нибудь, кто знает немного больше о ANOVA (анализ дисперсии) и ANOVA-over-time, пожалуйста, сообщите нам обратную связь? Я не уверен, что я даже делаю это правильно, и может отсутствовать что-то простое. Подтверждение или исправление приветствуются.

Обратите внимание, что это ARRAYS (хиты, значения, дни) за последние 30 дней. Например, если в понедельник в Value-Of-Mozilla появится большой пик (относительно базовой линии) и падение (ниже базовой линии) в Value-Of-Mozilla во вторник, я хочу, чтобы Mozilla отображалась как "значительное" свойство (вместо того, чтобы пик/падение отменяли друг друга)

Пример моих входных данных, перед отображением/уменьшением:

data = {
'baseline': [(hits, value, day) for hits, value, day in last_thirty_days('baseline')],
'browser': {
  'mozilla': [(hits, value, day) for hits, value, day in last_thirty_days('browser', 'mozilla')],
  ... etc ...
  }
}
... etc ...

Здесь мой текущий код - он работает на Dumbo/Hadoop и предоставляет число для "значимости", которое я в основном придумал для формулы. Хотя моя формула работает и дает значимые данные, мои значения для "значимости" не определены ( "значимое" свойство обычно имеет оценку >= 100, но это изменяется с размером набора данных), и я знаю, что для этого, вероятно, есть "настоящая формула".

# Runs after each (hits, value, date) tuple has been grouped
# into corresponding "plot points", as they would appear on a graph
pp = PlotPoint(property, date, hits, value)
pp.epc = float(pp.value/pp.hits) if pp.hits else 0

# Finds PlotPoint('baseline', date)
# if pp = PlotPoint('firefox', '1-1-10')
#  then pp.baseline == PlotPoint('baseline', '1-1-10')
baseline = pp.baseline()
if baseline.hits == 0:
    volume_ratio = 0 
else:
    volume_ratio = round(100*pp.hits/baseline.hits)
value_ratio = baseline.epc - pp.epc

# Make up a significance value --
# e.g. (10% of visitors * ($1 delta from baseline))^2
pp.significance = math.sqrt(volume_ratio * value_ratio **2)

# OK, we have values for each plotpoint, now sum them up
# to get values for the whole property (over a 30day period) 
pps = property.plotpoint_set.all()
property.hits = sum([p.hits for p in pps])
property.value = sum([p.value for p in pps])
property.epc = property.value/property.hits
value_delta = baseline.epc - property.epc

# Make up a significance for the Property, based on each point significance
property.significance = math.log(sum(
                [sss.significance**2 for sss in pps]
                )*abs(value_delta)+1)

Спасибо заранее!