t-testpython_Python-56 用numpy和scipy.stats 进行t-test检验 2020-09-05

对于两组数据之间真的存在差异，需要进行t检验。用python可以同样实现这个功能。具体代码与解释如下：

import numpy as np

group1 = np.array([12, 15])

group2 = np.array([15, 17])

#find variance for each group

print(np.var(group1), np.var(group2))

import scipy.stats as stats

#perform two sample t-test with equal variances

print(stats.ttest_ind(a=group1, b=group2, equal_var=True))

得到的结果为：

image.png

由于p值大于0.05，假设不成立，即两组之间不存在显著差异。

如果换了个数据，如下：

import numpy as np

group1 = np.array([11, 8])

group2 = np.array([19, 17])

#Next, we’ll use the ttest_ind() function from the scipy.

# stats library to conduct a two sample t-test,

# which uses the following syntax: ttest_ind(a, b, equal_var=True) where:

# a: an array of sample observations for group 1

# b: an array of sample observations for group 2 equal_var:

# if True, perform a standard independent 2 sample t-test

# that assumes equal population variances.

# If False, perform Welch’s t-test, which does not assume e

# qual population variances.

# This is True by default. Before we perform the test,

# we need to decide if we’ll assume the two populations have equal variances or not.

# As a rule of thumb, we can assume

# the populations have equal variances

# if the ratio of the larger sample variance to the smaller sample variance is

# less than 4:1.

#find variance for each group

print(np.var(group1), np.var(group2))

print( 2.25/1.0)

#The ratio of the

# larger sample variance to the smaller sample variance is 2.25 / 1.0 = 2.25<4,

#which is less than 4. This means we can assume that the population variances are equal.

#Thus, we can proceed to perform the two sample t-test with equal variances:

import scipy.stats as stats

#perform two sample t-test with equal variances

print(stats.ttest_ind(a=group1, b=group2, equal_var=True))

得到的结果为：

image.png

即：pvalue=0.042158511307681217<0.05 ，因此，两组数据存在显著差异。

对结果的解释方法为：

·此特定的两个样本t检验的两个假设如下：

·H0：µ1 = µ2（两个总体均值相等）

·HA：µ1≠µ2（两个总体均值不相等）

·由于我们测试的p值（0.042158511307681217）小于于alpha = 0.05，因此我们拒绝测试的原假设。

·我们足够的证据说两个种群之间植物的平均高度不同。

t-testpython_Python-56 用numpy和scipy.stats 进行t-test检验 2020-09-05相关推荐

scipy.stats常见概率分布-正态分布与泊松分布
常见分布总结统计工作中几个常用用法在python统计函数库scipy.stats的使用范例常见术语 pdf,概率密度函数(Probability Density Function),连续型随机变量 ...
Github上Pandas,Numpy和 Scipy三个库中20个最常用的函数
首发于Datartisan数据工匠写文章 Github上Pandas,Numpy和 Scipy三个库中20个最常用的函数 Datartisan 9 个月前几个月前,我看到一篇博客中列出了 Gith ...
简述 Python 的 Numpy、SciPy、Pandas、Matplotlib 的区别
From:https://www.jianshu.com/p/32cb09d84487 Numpy:基础的数学计算模块,以矩阵为主,纯数学. SciPy:基于Numpy,提供方法(函数库)直接计算结果 ...
python可以构建sem模型_python-分组的熊猫DataFrames：如何将scipy.stats.sem应用于它们？...
我知道我可以通过执行以下操作来应用numpy方法: dataList是DataFrames的列表(相同的列/行). testDF = (concat(dataList, axis=1, keys=ra ...
python scipy.stats.norm.cdf_Python stats.norm方法代码示例
本文整理汇总了Python中scipy.stats.norm方法的典型用法代码示例.如果您正苦于以下问题:Python stats.norm方法的具体用法?Python stats.norm怎么用?P ...
scipy.stats —— 概率、随机变量与分布
import numpy as np import scipy.stats as st 几率(odds) p(B)=120p(B)=\frac1{20}p(B)=201:二十场比赛只赢一场 **od ...
如何画正太分布曲线_python scipy.stats实现各种常见的统计分布
python作为数据分析被大家熟悉.scipy作为数据分析包更是被广为熟知,scipy.stats用来做统计分析非常好用.scipy.stats包含了各种连续分布和离散分布模型.这篇小文使用scipy ...
50例源码Python scipy.stats.norm 模块，pdf()
Python scipy.stats.norm 模块,pdf() 实例源码转:http://codingdict.com/sources/py/scipy.stats.norm/13753.html ...
python k线斜率计算公式_python – 计算Numpy(或Scipy)中的斜率
我试图找到使用Numpy和Scipy计算斜率的最快和最有效的方法.我有一个包含三个Y变量和一个X变量的数据集,我需要计算它们各自的斜率.例如,我可以轻松地一次执行这一行,如下所示,但我希望有一种更有效 ...

t-testpython_Python-56 用numpy和scipy.stats 进行t-test检验 2020-09-05

t-testpython_Python-56 用numpy和scipy.stats 进行t-test检验 2020-09-05相关推荐

最新文章

热门文章