概念

双样本T检验在于检验两个样本均值差异是否显著。比如男女消费是否显著。

Python代码

逻辑:

①构造2个样本;

②先进行方差齐性检查,我们规定一个阈值,这2个样本方差齐性的p-value大于0.05说明满足方差相等,可以进行双样本T检验;

③进行双样本T检验,p值越大说明消费水平越相同,一般认为p大于0.05说明没啥差异(两样本比较相似),当p小于0.05说明有差异(两样本差距比较大);

代码如下:

from scipy import statslist1 = [1217.03, 1251.5, 856.57, 1321.83, 816.03, 1151.15, 1233.77, 802.52, 2167.77, 2430.03]
list2 = [1102.2, 701.07, 806.13, 610.25, 993.87, 1403.72, 847.78, 695.85, 491.04, 468.61]if __name__ == '__main__':levene = stats.levene(list1, list2, center='median')print('w-value=%6.4f,p-value=%6.4f' % levene)print(stats.stats.ttest_ind(list1, list2, equal_var=True))pass

运行截图如下:

①第一个打印的pvalue是方差齐性,这个值大于0.05说明满足,可以进行双样本T检验;

②第二个打印pvalue为0.018大于0.05说明两个样本相似度很高。

把数据替换成这样的:

list1 = [1217.03, 1251.5, 856.57, 1321.83, 816.03, 1151.15, 1233.77, 802.52, 2167.77, 2430.03]
list2 = [602.2, 701.07, 806.13, 610.25, 593.87, 603.72, 547.78, 695.85, 491.04, 468.61]

运行截图如下:

这时pvalue为0.0008说明两样本相似不够,差异大。

Python笔记-假设检验之双样本T检验(两样本是否相似)相关推荐

  1. Python笔记-假设检验之单样本T检验

    概念 假设某个数据的均值为u,实际抽样时离u越近说明假设的这个均值越合理,越远,就说明越不合理. 这里又有个p-value的概念,代表实际抽样的结果与假设的差异程度.值越大意味着越无差异.实际中我们会 ...

  2. python配对t检验_置信度计算——t检验(配对样本t检验,AB实验置信度),T

    为什么计算置信度? 在推荐场景下,我们会研发一些策略,来提升业务指标,在做AB实验的时候,实验组跟base组的指标对标,并非稳定的胜利或者稳定的失败,观察7天或者14天的指标数据,会有正有负,那么怎么 ...

  3. SAS学习笔记25 t检验(单个样本t检验、配对样本t检验、两个独立样本t检验及方差不齐时的t'检验)...

    根据研究设计和资料的性质有单个样本t检验.配对样本t检验.两个独立样本t检验以及在方差不齐时的t'检验 单样本t检验 单样本t检验(one-sample t-test)又称单样本均数t检验,适用于样本 ...

  4. python卡方检验kf_data_统计学中的各种检验-scipy.stats和statsmodels.stats的使用

    这里会罗列一些统计学中的检验方法,当然顺序以笔者遇到的为准. 1.方差分析 1.1 概述 对于均值的检验,一般分为以下几种情况: 某样本均值与常数的比较 两个样本均值的比较 两个以上样本均值的比较 对 ...

  5. 统计系列(四)利用Python进行假设检验

    统计系列(四)利用Python进行假设检验 z检验 主要应用场景:在大样本量的总体比例检验 核心:两样本的总体比例差异 单样本比例检验 # 检验样本合格率与0.38是否有差异 import numpy ...

  6. 置信度计算——T检验(配对样本t检验、AB实验置信度)

    为什么计算置信度? 在推荐场景下,我们会研发一些策略,来提升业务指标,在做AB实验的时候,实验组跟base组的指标对标,并非稳定的胜利或者稳定的失败,观察7天或者14天的指标数据,会有正有负,那么怎么 ...

  7. cc和毫升换算_毫升学生两个样本配对样本t检验不

    cc和毫升换算 In Z-test, we assume we know the standard deviation of the population. What if we don't know ...

  8. graphpad两组t检验_手把手教你用 GraphPad 做配对样本 t 检验

    在统计学分析里,最重要的元素是数据,因为数据的属性决定了用什么样的方式来比较数据,不同的数据比较方式就决定了统计分析方法以及对应的统计图. Graphpad prism 8.0是一款强大统计分析软件, ...

  9. python t检验_A or B A/B测试-python独立双样本t检验

    一.简单介绍A/B测试 A/B测试为同一个目标制定两个版本,一部分用户使用A版本,另一部分用户使用B版本,记录用户使用数据,比较各个版本对于改进目标的转化效果,选择更好的版本. 二.数据集介绍 有两种 ...

最新文章

  1. 从零售商加速向零售平台进化,每日优鲜已经成为“生鲜电商第一股”
  2. 银行不是很喜欢客户分期吗?为何申请信用卡分期被拒绝了?
  3. 安装tron_具有Tron效果的JavaFX 2 Form
  4. 简·雅各布斯指数第二部分:测试
  5. [html] 移动端如何设置页面以全屏模式运行?
  6. 关于Unity中的Mesh Collider碰撞器
  7. 如何写好标题,才能轻松上简书首页?
  8. 第4章 神经网络和误差反向传播法
  9. 【LINUX C 写文件】
  10. Ubuntu命令方式安装中文语言包
  11. 安卓平台有哪些好的时间管理软件
  12. su的2019面试准备
  13. “用户体验不是把每个环节做到极致,而是在关键环节打动用户“这句话对吗?...
  14. Python-QQ聊天记录分析-jieba+wordcloud
  15. 发链(FAB)技术有望突破区块链交易瓶颈
  16. day2-requests和bs4
  17. 【科学数据库】数据的合并与分组聚合||||||||
  18. List集合 值进行累加
  19. 创业公司的薪酬组成及注意事项
  20. easyexcel官方地址

热门文章

  1. linux小白-基础命令-cd
  2. Java牛角尖【003】:类初始化时的执行顺序
  3. C++知识分享之STL容器:set 容器与 map 容器的简单应用
  4. 程序员|刚毕业,我该去小公司还是该去大公司
  5. 飞鸽传书2007绿色版提供了无限量内部沟通方案
  6. 当然我这里讲的都是与数据库有关的字符串拼凑
  7. 【飞秋】网络的基础-域名篇
  8. XEIM 帮助文档【草稿版】
  9. 软件专家袁萌:番茄花园作者罪有应得
  10. 10条途径迅速提高你的生活