對于任何一個頻率派的數據科學家而言，日常做數據分析難免還是會用到一些假設檢驗方法做一個數據探索和相關性、差異性分析，并且這也是做后續統計模型(機器學習類預測模型可以略過)預測的第一步。

這篇博文目的就是整理基本的假設檢驗方法、適用條件和調用Python(主要是scipy模塊)的哪些方法。

正態性檢驗

這個是很多統計建模的第一步，例如，普通線性回歸就對殘差有正態性要求。

K-S檢驗

特點是比較嚴格，基于的原理是CDF，理論上可以檢驗任何分布。

scipy.stats.kstest(a_vector_like_data, 'norm')

Shapiro檢驗

專門用來檢驗正態分布。

scipy.stats.shapiro(a_vector_like_data)

Normal檢驗

原理是基于數據的skewness和kurtosis，如不明白這兩個意思，自行百度。

scipy.stats.normaltest(a_vector_like_data)

Anderson檢驗

是ks檢驗的正態檢驗加強版。

scipy.stats.anderson(a_vector_like_data, dist='norm')

檢驗方差是否齊

Bartlett檢驗

對數據有正態性要求

scipy.stats.bartlett(a, b)

Levene檢驗

在數據非正態的情況下，精度比Bartlett檢驗好，可調中間值的度量

scipy.stats.levene(a, b, center = 'trimmed')

Fligner-Killeen檢驗

非參檢驗，不依賴于分布

scipy.stats.fligner(a, b, center='mean')

兩組數之間的比較

參數方法

# 獨立兩樣本t檢驗

scipy.stats.ttest_ind(a, b, equal_var=True, nan_policy='omit')

# 成對兩樣本t檢驗

scipy.stats.ttest_rel(a, b, equal_var=True, nan_policy='omit')

# 通過基本統計量來做獨立兩樣本檢驗

scipy.stats.ttest_ind_from_stats(20.06, 2.902, 50, 13.26, 1.977, 50, equal_var=False)

非參數方法

# wilcox秩序和檢驗，n < 20時獨立樣本效果比較好

scipy.stats.ranksums(a, b)

# Mann-Whitney U檢驗, n > 20時獨立樣本，比wilcox秩序和檢驗更穩健

scipy.stats.mannwhitneyu(a, b)

# Wilcox檢驗，成對數據

scipy.stats.wilcoxn(a, b, zero_method='wilcox', correction=False)

多組數之間的比較

參數方法(1-way anova)

scipy.stats.f_oneway(a, b, c, ...)

非參數方法(Kruskal-Wallis H方法)

scipy.stats.kruskal(a, b, c,..., nan_policy='omit')

(附送)相關性

相關性可以做簡單的特征工程(特征篩選)來做監督學習以及作為相似度(1 - 距離)來做非監督學習。

參數(Pearson相關系數)

scipy.stats.pearsonr(a, b)

非參數(Spearman相關系數)

scipy.stats.spearmanr(a, b)

二元值和連續值之間的關系(Point-biserial相關系數)

scipy.stats.pointbiserialr(a, b)

分參數的Kendall's Tau

理論上是檢驗兩個變量是否具有單調關系

scipy,stats.kendalltau(a, b, initial_lexsort=None, nan_policy='omit')

總結

以上是生活随笔為你收集整理的python假设税前工资和税率如下_Python来做假设检验的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。