Python - 数据科学之 P 值

• 

  简述

  p 值与假设的强度有关。我们基于一些统计模型建立假设，并使用 p 值比较模型的有效性。获得 p 值的一种方法是使用 T 检验。

  这是对零假设的双边检验，即独立观察样本“a”的期望值（平均值）等于给定的总体平均值，popmean. 让我们考虑下面的例子。

  
  from scipy import stats
  rvs = stats.norm.rvs(loc = 5, scale = 10, size = (50,2))
  print stats.ttest_1samp(rvs,5.0)
  

  上述程序将生成以下输出。

  
  Ttest_1sampResult(statistic = array([-1.40184894, 2.70158009]),
  pvalue = array([ 0.16726344, 0.00945234]))
  

  比较两个样本

  在下面的例子中，有两个样本，可以来自相同的分布，也可以来自不同的分布，我们要测试这些样本是否具有相同的统计特性。

  ttest_ind− 计算两个独立分数样本均值的 T 检验。这是对两个独立样本具有相同平均值（预期）值的零假设的双边检验。此测试假定默认情况下总体具有相同的方差。

  如果我们观察来自相同或不同总体的两个独立样本，我们可以使用此测试。让我们考虑下面的例子。

  
  from scipy import stats
  rvs1 = stats.norm.rvs(loc = 5,scale = 10,size = 500)
  rvs2 = stats.norm.rvs(loc = 5,scale = 10,size = 500)
  print stats.ttest_ind(rvs1,rvs2)
  

  上述程序将生成以下输出。

  
  Ttest_indResult(statistic = -0.67406312233650278, pvalue = 0.50042727502272966)
  

  您可以使用长度相同但平均值不同的新数组进行测试。使用不同的值loc并进行相同的测试。