為什么要寫假設(shè)檢驗(yàn)？因?yàn)樵诠ぷ髦薪?jīng)常會(huì)遇到ABTest就不可避免的要進(jìn)行假設(shè)檢驗(yàn)，進(jìn)行結(jié)果的有效性分析。

假設(shè)檢驗(yàn)的方法有很多比如T檢驗(yàn)、卡方檢驗(yàn)、方差分析等。這些方法在Excel、Python、R、Spss里都是可以實(shí)現(xiàn)的。

本篇文章主要寫代碼層面的實(shí)現(xiàn)，本著在工作中學(xué)以致用來寫本文，所以會(huì)少一些原理性的講解。原理性的講解后期補(bǔ)。

一、假設(shè)檢驗(yàn)——T檢驗(yàn)

T檢驗(yàn)有2種，一種叫單樣本T檢驗(yàn)、另一種兩樣本T檢驗(yàn)。

工欲善其事必先利其器，用Python進(jìn)行假設(shè)檢驗(yàn)前我們需要把必備的包給安裝好。

#必備安裝包

pip install scipy numpy

1.1兩樣本T檢驗(yàn)(ttest_ind)

scipy.stats.ttest_ind(a, b, axis=0, equal_var=True, nan_policy='propagate'

參數(shù)解釋：

a、b：待檢驗(yàn)的數(shù)據(jù)集

equal_var：方差齊性判斷

nan_policy：執(zhí)行代碼檢驗(yàn)，返回結(jié)果的狀態(tài)。

這個(gè)參數(shù)有3種狀態(tài)：{‘propagate’, ‘raise’, ‘omit’}，分別返回{nan、報(bào)錯(cuò)、忽略}方差齊性定義：兩樣本總體方差相等，當(dāng)兩總體方差相等時(shí)，即具有“方差齊性”，可以直接檢驗(yàn)。

設(shè)：

H0(原假設(shè))：兩列數(shù)據(jù)沒有顯著性差異。以95%的置信區(qū)間進(jìn)行判定。

數(shù)據(jù)集：

#均值為5，方差為10的兩列數(shù)據(jù)

rvs1 = stats.norm.rvs(loc=5,scale=10,size=500)

rvs2 = stats.norm.rvs(loc=5,scale=10,size=500)

#均值為5，方差為20的500個(gè)數(shù)據(jù)

rvs3 = stats.norm.rvs(loc=5, scale=20, size=500)

#均值為5，方差為10的100個(gè)數(shù)據(jù)

rvs4 = stats.norm.rvs(loc=5, scale=20, size=100)

#均值為8，方差為20的100個(gè)數(shù)據(jù)

rvs5 = stats.norm.rvs(loc=8, scale=20, size=100)

1.1.1檢驗(yàn)rvs1和rvs2之間是否有顯著性差異。

因?yàn)?#xff1a;樣本方差，均值相同，數(shù)據(jù)量相同，可以直接套代碼進(jìn)行檢驗(yàn)

stats.ttest_ind(rvs1,rvs2)

#輸出：Ttest_indResult(statistic=0.9208589021990001, pvalue=0.35734663412126055)

1.1.2檢驗(yàn)rvs1和rvs3之間是否有顯著性差異。

因?yàn)?#xff1a;樣本方差不同，均值相同，數(shù)據(jù)量相同，需要設(shè)置equal_var = False

rvs1 = stats.norm.rvs(loc=5,scale=10,size=500)

rvs3 = stats.norm.rvs(loc=5, scale=20, size=500)

stats.ttest_ind(rvs1, rvs3, equal_var = False)

1.1.3檢驗(yàn)rvs1和rvs4之間是否有顯著性差異。

因?yàn)?#xff1a;樣本均值相同，方差不同，樣本量不同。需要設(shè)置equal_var = False，如果默認(rèn)True(不設(shè)置)，結(jié)果的P值會(huì)變大。

rvs1 = stats.norm.rvs(loc=5,scale=10,size=500)

rvs4 = stats.norm.rvs(loc=5, scale=20, size=100)

stats.ttest_ind(rvs1, rvs4, equal_var = False) #If equal_var =True，則P值差異會(huì)比較大

1.1.4檢驗(yàn)rvs1和rvs5之間是否有顯著性差異。

rvs1 = stats.norm.rvs(loc=5,scale=10,size=500)

rvs5 = stats.norm.rvs(loc=8, scale=20, size=100)

stats.ttest_ind(rvs1, rvs5, equal_var = False) #If equal_var =True，則P值差異會(huì)比較大

總結(jié)

以上是生活随笔為你收集整理的python做t检验_Python实现--假设检验：T检验的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。