python T检验
Posted 数据分析小鹏友
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了python T检验相关的知识,希望对你有一定的参考价值。
- T检验通常分为三种:单样本T检验、双样本T检验、配对样本T检验
- 原理可以参考:一文详解t检验
- 本文主要介绍使用python实现T检验的过程,内容主要是参考这篇博文:利用python库stats进行t检验
文章目录
一、单样本T检验
-
目的:检验单样本的均值是否和已知总体的均值相等
-
前提条件:
(1)总体方差未知,否则就可以利用 Z Z Z 检验(也叫 U U U 检验,就是正态检验);
(2)正态数据或近似正态;
(3)连续变量 -
原假设和备择假设:
H 0 : 样 本 均 值 ( X ‾ ) 和 总 体 均 值 ( μ ) 相 等 H 1 : 样 本 均 值 ( X ‾ ) 和 总 体 均 值 ( μ ) 不 相 等 \\beginaligned & H_0: 样本均值(\\overlineX)和总体均值( \\mu )相等\\\\ & H_1: 样本均值(\\overlineX)和总体均值( \\mu )不相等 \\endaligned H0:样本均值(X)和总体均值(μ)相等H1:样本均值(X)和总体均值(μ)不相等 -
例子:假设已知我国男青少年的平均身高是1.73,那么取某高校50名男生的身高(本文采用随机数据),想比较该高校与我国男青少年的平均身高是否存在差异。
ttest_1samp 函数参数可参考:Python scipy.stats.ttest_1samp实例讲解
from scipy import stats
rvs = stats.norm.rvs(loc=1.5, scale=1, size=(50)) # 生成均值为1.5,标准差为1的50个样本
t, p = stats.ttest_1samp(rvs, 1.73) # 进行单样本T检验
print(" T-test: %f\\n"%t,"P-vlaue: %f"%p)
# T-test: -3.087647
# P-vlaue: 0.003317
结论:T值小于0,说明样本均值小于总体均值;P值小于0.05,说明该高校与我国男青少年的平均身高存在差异。
-
单侧检验 :scipy库中stats只提供了双侧检验,如果需要单侧检验只需要将计算出来的P值除于2即可,这里参考文章:利用python进行单边T检验
-
置信区间:采用 scipy.stats.norm.interval() 函数计算
import numpy as np
stats.norm.interval(
alpha = 0.95,
loc = np.mean(rvs),
scale = stats.sem(rvs)
)
二、独立样本t检验(双样本T检验)
- 目的:检验两组独立样本均值是否相等
- 前提条件:
(1)两组总体方差相等,如果不相等,先利用levene检验,检验两总体是否具有方差齐性;
(2)正态数据或近似正态;
(3)连续变量 - 原假设和备择假设:
H 0 : 两 独 立 样 本 均 值 相 等 H 1 : 两 独 立 样 本 均 值 不 相 等 \\beginaligned & H_0: 两独立样本均值相等\\\\ & H_1: 两独立样本均值不相等 \\endaligned H0:两独立样本均值相等H1:两独立样本均值不相等
场景1: 想比较可口可乐饮料在沃尔玛、大润发两个超市的销量是否存在差异
场景2: 想比较南、北方人的平均身高、体重是否存在差异
需要注意的是
:前期需要检验两组方差是否相等,如不相等, scipy.stats.ttest_ind() 函数中的参数 equal_var 需要设置成 False
- levene 检验P值 > 0.05,接受原假设,认为两组方差相等
from scipy import stats
rvs_1 = stats.norm.rvs(loc=1.5, scale=1, size=(50)) # 生成均值为1.5,标准差为1的50个样本
rvs_2 = stats.norm.rvs(loc=2, scale=1, size=(50)) # 生成均值为2,标准差为1的50个样本
levene = stats.levene(rvs_1, rvs_2) # 进行 levene 检验
t, p = stats.ttest_ind(rvs_1,rvs_2,equal_var=True) # 独立样本t检验
print("levene 检验P值: %f"%levene.pvalue,'\\n')
print("独立样本t检验")
print(" T-test: %f\\n"%t,"P-vlaue: %f"%p)
- T值小于0,说明第一组数据的均值小于第二组
- 单侧检验:同上
三、配对样本T检验
- 目的:比较同一组样本在不同场景下,均值是否存在差异
- 前提条件:
(1)两组总体方差相等,如果不相等,先利用levene检验,检验两总体是否具有方差齐性;
(2)正态数据或近似正态;
(3)连续变量 - 原假设和备择假设:
H 0 : 两 配 对 样 本 均 值 相 等 H 1 : 两 配 对 样 本 均 值 不 相 等 \\beginaligned & H_0: 两配对样本均值相等\\\\ & H_1: 两配对样本均值不相等 \\endaligned H0:两配对样本均值相等H1:两配对样本均值不相等
场景1: 将小白鼠配对为两组,分别接受不同的处理,检验处理结果的差异
场景2: 对于一批血清样本,将其分为两个部分,利用不同的方法接受某种化合物的检验,检验结果的差异
场景3: 检验癌症患者术前、术后的某种指标的差异
场景4: 可口可乐饮料今年与去年在沃尔玛超市销售额均值是否存在差异
与独立样本t检验相比,配对样本T检验要求样本是配对的,两个样本的样本量要相同
python 实现有两种方式:
(1)两组数据做差,再对差值进行单样本T检验,检验均值为0;
(2)利用 scipy.stats.ttest_rel() 函数进行配对样本T检验
from scipy import stats
rvs_1 = stats.norm.rvs(loc=1.5, scale=1, size=(50)) # 生成均值为1.5,标准差为1的50个样本
rvs_2 = stats.norm.rvs(loc=2, scale=1, size=(50)) # 生成均值为2,标准差为1的50个样本
levene = stats.levene(rvs_1, rvs_2) # 进行 levene 检验
t1, p1 = stats.ttest_1samp(rvs_1 - rvs_2, 0) # 单样本T检验
t2, p2 = stats.ttest_rel(rvs_1,rvs_2) # 配对样本t检验
print("levene 检验P值: %f"%levene.pvalue,'\\n')
print("单样本T检验")
print(" T-test: %f\\n"%t1,"P-vlaue: %f"%p1)
print("\\n配对样本t检验")
print(" T-test: %f\\n"%t2,"P-vlaue: %f"%p2)
- T值小于0,说明第一组数据的均值小于第二组
- 单侧检验:同上
以上是关于python T检验的主要内容,如果未能解决你的问题,请参考以下文章