python统计数据分析教程：p值

p值表示假设的强度。我们根据一些统计模型做出假设，并将模型的有效性与 p 值进行比较。获取 p 值的一种方法是使用 T 测试。

这是原假设的双尾检验，即独立观测样本 'a' 的预期值（平均值）等于给定总体平均值的 popmean。请参阅下面的示例。

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

Python

运行上面的示例代码并获得以下结果 -

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

Python

比较两个样本

下面的示例有两个样本或不同的分布，它们可能来自相同的需求 测试这些样本是否存在样本具有相同的统计特性。

ttest_ind - 计算两个独立样本结果的 T 检验。这是原假设的双尾检验，即两个独立样本具有相同（预期）均值。该检验假设总体默认具有相同的方差。

如果观察到来自相同或不同群体的两个独立样本，则可以使用此检验。让我们看下面的一个例子。

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))

Python

运行上面的示例代码，得到以下结果 -

Ttest_indResult(statistic = -0.67406312233650278, pvalue = 0.50042727502272966)

Python

可以使用长度相同但含义不同的新数组进行测试。使用不同的值并在loc中测试相同的值。