最新推断统计python化(参数估计，假设检验与 t检验)(3)，2024年最新已拿到offer,怎么拒绝下家面试模板

最后

🍅 硬核资料：关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助：技术群大佬指点迷津，你的问题可能不是问题，求资源在群里喊一声。
🍅 面试题库：由技术群里的小伙伴们共同投稿，热乎的大厂面试真题，持续更新中。
🍅 知识体系：含编程语言、算法、大数据生态圈组件（Mysql、Hive、Spark、Flink）、数据仓库、Python、前端等等。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

假设所称出物体重量服从正态分布，我们可以用interval()求置信度为0.95的置信区间：

from scipy import stats

import numpy as np

x = [10.1, 10, 9.8, 10.5, 9.7, 10.1, 9.9, 10.2, 10.3, 9.9]

np.mean(x) #求x均值

stats.sem(x) # 求样本的标准误

样本均值服从t分布，样本均值的标准差为标准误

在区间估计时，用标准误来表示样本均值的标准差

stats.t.interval(0.95, len(x)-1, np.mean(x),stats.sem(x))

结果如下：

---

2. 案例分析

==============================================================================

沪深300(399300.SZ)收益率均值的参数估计

以近一年数据为样本计算

调取数据

import numpy as np

import tushare as ts

import pandas as pd

token = ‘Your Token’ # 输入你的接口密匙，获取方式及相关权限见Tushare官网。

pro = ts.pro_api(token)

df = pro.index_daily(ts_code=‘399300.SZ’)

df[‘trade_date’] = pd.to_datetime(df[‘trade_date’])

df.set_index([‘trade_date’], inplace=True) # 将日期列作为行索引

df = df.sort_index()

提取沪深300的收益率序列

Retindex=df.pct_chg[‘2020’]

绘制沪深300收益率的直方图

plt.hist(Retindex)

Retindex.hist()

结果如图所示：

from scipy import stats

import matplotlib.pyplot as plt

求沪深300收益率的均值

mu = Retindex.mean()

求沪深300收益率的标准差

sigma = Retindex.std()

在直方图上添加正态分布曲线

fig = plt.figure()

ax1 = ax1 = fig.add_subplot(111)

ax1.plot(np.arange(-6, 6.02, 0.02), stats.norm.pdf(np.arange(-6, 6.02, 0.02), mu, sigma), ‘r’)

ax2 = ax1.twinx()

ax2.hist(Retindex)

plt.show()

结果如图：

stats.t.interval(0.95, len(Retindex)-1, mu, stats.sem(Retindex))

结果如下：

（备注：这里序列中的收益率如-0.02是以-2来表示的，0.032则以3.2表示，而不是0.032。所以得到的置信区间结果不能读错了，-0.07意思不是跌了七个点。）

---

3. 假设检验

==============================================================================

假设检验(Hypothesis Test)是推断统计的另一种重要的方法。

3.1 假设检验概述

---

参数估计的主要任务是猜测参数的取值，而假设检验的着重点在于检验参数的取值是否等于某个目标值。

假设检验一般有两个隐含的思想：

• 小概率事件思想 。即小概率事件在一次试验中是不可能发生的，如果在我们的假设下出现了一个小概率事件，则认为我们的假设是错误的。

• 反证法思想 。反证法思想为先假设我们提出的假设是正确的，然后在该条件下检验观测到的事件是否是小概率事件。如果是则可以否定我们的假设。否则，就无法否定。

假设检验的基本步骤如下：

(1) 先根据实际问题的要求提出一个论断，称之为原假设 或 零假设(Null Hypothesis) ，记为H0。同时提出一个与之互为反命题的备择假设(Alternative Hypothesis) ，记为H1。

(2) 然后在H0正确的条件下，求出样本数据出现的频率，看我们手中的样本是不是小概率事件。

(3) 最后如果样本是小概率事件，那么就认为原假设是错误的。在统计学上，我们称之为拒绝原假设。否则我们不能拒绝H0的决策。

对于原假设和备择假设有如下的选择原则：

• 原假设应该是受保护的，不应该轻易被拒绝。

• 备择假设是检验者所希望的结果。

• 等号永远出现在原假设中。

---

3.2 两类错误

---

• 第一类错误(Type I Error)：拒绝了本来正确的原假设(弃真)。

犯第一类错误的概率记为α。

• 第二类错误(Type II Error)：没有拒绝原本是错误的原假设(取伪)。

犯第二类错误的概率记为β。

• 假设检验中这两类错误都难以避免。我们无法同时控制两个错误发生的概率，如果降低想要α，β就会被提高。我们通常需要权衡这两种错误，一般我们选择控制α不限制β。

---

3.3 显著性水平与p值

---

为控制α，我们往往将α值固定，同时使得：

P ( 拒 绝 H 0 ∣ H 0 为 真 ) ≤ α \displaystyle P(拒绝H_0|H_0为真)\leq \alpha P(拒绝H0​∣H0​为真)≤α

在统计学上，我们称 α \displaystyle \alpha α为显著性水平(Significance Level)。常见的显著性水平有0.1, 0.05, 0.025。

为了确定一个事件是不是小概率事件，我们需要了解其发生概率。但是对于连续型随机变量，其取某个具体值的概率为0，我们无法计算。所以就有了使用p值的方法。

我们算出假设在原假设正确条件下，和当前样本中一样极端或更极端的情况出现的概率，这个概率就是p值(p-value)。

---

3.4 确定小概率事件

---

判断一个事件是否是小概率事件的一个基本原则：当p值小于α时，我们认为样本为小概率事件。

而对于p指与α的比较，可采取两种方法：临界值检验法(Critical Value Approach)和显著性检验法(p-value approch)。

• 临界值检验法：

使用临界值检验法首先要使用样本数据构建一个用于检验的统计量，这个统计量往往是总体参数的点估计量。然后我们需要确定能够拒绝原假设的最大p值。根据小概率事件的判断原则，这个最大值即是α。然后根据α和统计量所服从的概率分布可以求得临界值。求得临界值后用统计量和与该临界值进行比较，如果统计量与临界值的偏差大于该临界值与原假设的偏差，那么当前样本就与临界值一样极端，其p值也就会小于α。如此以来我们就认为当前样本是小概率事件，应该拒绝原假设。

• 显著性检验法

显著性检验与临界值检验法较为类似，同样需要先构建一个用于检验的统计量，与临界值方法不同的是，我们直接根据原假设和统计量的概率分布求解其p值，然后将p值与α进行比较，从而拒绝原假设。

---

4. t检验

=============================================================================

根据构建统计量服从的概率分布，我们所用的参数检验可以分为z检验、t检验、F检验等。其中，t检验所使用的统计量服从t分布，常常用于检验标准差 σ \displaystyle \sigma σ未知的、服从正态分布的总体的均值。

常见的t检验主要有单样本t检验(One Sample t Test) ，配对样本t检验(Paired Sample t Test) 和 独立样本t检验(Independent Sample Test)。

• 单样本t检验是检验单个变量的均值与目标值之间是否存在差异。如果总体均值已知，样本均值与总体均值之间差异的显著性检验属于单样本t检验。

• 独立样本t检验用于检验两组来自独立总体的样本 其独立总体的均值是否一样。如果两组样本彼此不独立，则应该使用配对样本t检验。

• 配对样本t检验用于检验两个相关的样本(配对样本)是否来自具有相同均值的总体。

---

4.1 单样本t检验

---

比较：总体均值u与指定检验值u0是否存在显著性差异。

原假设： H0：u = u0

备择假设：H1：u ≠ u0

前提：总体服从正态分布 N ( u , σ 2 ) \displaystyle N(u,\sigma^2 ) N(u,σ2)，u为均值， σ 2 \displaystyle \sigma^2 σ2为总体方差。

如果样本容量为n，样本均值为 X ‾ \displaystyle \overline{X} X，在原假设成立的条件下，我们构造以下统计量：

t = X ‾ − u 0 s / n \displaystyle t=\frac{\overline X-u_0}{s/\sqrt n} t=s/n ​X−u0​​~ t ( n − 1 ) \displaystyle t(n-1) t(n−1)

其中, s = 1 n − 1 ∑ i = 1 n ( x i − x ‾ ) 2 \displaystyle s=\sqrt{\frac{1}{n-1}\sum_{i=1}^n(x_i-\overline x)^2} s=n−11​i=1∑n​(xi​−x)2 ​, 为样本标准差。

将样本均值与样本标准差代入该统计量，就可以得到该统计量的值，然后就可以根据t分布的分布函数计算出p值并与显著性水平α比较，或是与显著性水平α下的临界值进行比较。

接着使用上边代码调取的数据

用单样本t检验2020年沪深300的收益率均值是否为0

stats.ttest_1samp(Retindex,0) #注意躲坑：1samp的首个字符不是字母l，是数字1

结果：

这里p值为0.2355742>0.05，所以在5%的置信水平下不能拒绝原假设。进而，可以推断2020年沪深300收益率均值为0。

4.2 独立样本t检验

---

用独立样本t检验来检验上证指数和深证成指2020年的收益率是否相等。

调取数据

上证指数

df1 = pro.index_daily(ts_code=‘000001.SH’)

df1[‘trade_date’] = pd.to_datetime(df1[‘trade_date’])

df1.set_index([‘trade_date’], inplace=True) # 将日期列作为行索引

df1 = df1.sort_index()

深证成指

df2 = pro.index_daily(ts_code=‘399001.SZ’)

df2[‘trade_date’] = pd.to_datetime(df2[‘trade_date’])

df2.set_index([‘trade_date’], inplace=True) # 将日期列作为行索引

df2 = df2.sort_index()

提取数据

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！