Python统计学：独立样本t检验~均值差的检验

独立样本与配对样本的区分：

独立样本：指的是两组样本的数据来源互不干扰，例如两组不同的人或者两组不同的实验数据。

配对样本：指的是两组样本的数据是成对出现的，例如同一组人在不同时期或在不同条件下的实验数据。

选择检验方式的区别：

独立样本：大样本用z检验，小样本用t检验；

配对样本：都用t检验。

在计算p值的时候的区别：

独立样本t检验：关注重点是两组数据均值的差;

配对样本t检验：先求数据的差值再进行单样本t检验。

举个例子：

独立样本的均值差的检验案例：为了检验男生和女生的数学成绩有没有差异，某学习随机抽了20名学生。由于样本量小于30，属于小样本的假设检验，而男女两组样本数据属于 独立样本，因此小样本的独立样本的均值差检验应该 选择t检验。

处理样本数据：

# 导入数据
students_data = {
'name':['A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T'],
'gender':[