Python3数据分析与挖掘建模实战：假设检验、卡方检验、独立t分布检验、方差检验、qq图

前言

补充知识

本篇文章中会使用到统计函数库scipy.stats的基本用法之一：生成服从指定分布的随机数，norm.rvs()。

import scipy.stats as ss
norm_dist=ss.norm.rvs(loc=0,scale=1,size=10)

即生成一组期望为0，标准差为1，长度为10的正态分布随机数。
绘制直方图和分布曲线：
loc=0,scale=1

loc=10,scale=1

引入需要用到的库

import numpy as np
import scipy.satas as ss

假设检验 （normaltest）

（理论的知识很多，需要自己补充）
首先我们先构造一组符合正态分布的数据

norm_dist=ss.norm.rvs(size=20)

使用normaltest获得检验统计量和p值

ss.normaltest(norm_dist)

输出结果：

从图中可以看到这组数据的检验统计量为3.316，p为0.19，设显著性水平为0.05，0.19>0.05，则无法拒绝H0，即该分布符合正态分布。
注意：normaltest是一种基于峰度和偏度的检验方法

卡方检验（四格表检验 chi2_contingency）

例题：

设H0为化妆与性别无关，数据如下：

	男	女
化妆	15（55）	95（55）	110
不化妆	85（45）	5（45）	90
	100	100	200

ss.chi2_contingency([[15,95],[85,5]])

第一个值为检验统计量：126
第二个值为p:2.9521414005078985e-29
第三个值为：1
第四个值为理论分布
p远小于显著性水平0.05，所以拒绝H0，即化妆和性别是有很大关系的

独立t分布检验

用于检验两组值的均值是否存在比较大的差异性

ss.ss.ttest_ind(ss.norm.rvs(size=10),ss.norm.rvs(size=20))

p=0.5，无法拒绝H0，即两组的均值没有什么差别。
接下来我们放大两组值 ：

ss.ttest_ind(ss.norm.rvs(size=100),ss.norm.rvs(size=200))

p变为0.749，所以数据量越多，越能证明均值没什么差别。

方差检验(f_oneway)

多个样本之间的关系

例题:

ss.f_oneway([49,50,39,40,43],[28,32,30,26,34],[38,40,45,42,48])

p=0.0026，拒绝H0，即三组均值有差异

qq图

除了通过假设检验的方法 我们还可以通过qq图来对比一个分布是否符合一个已知的分布。可以找到这组数据的分位数，又可以找到正态分布的分位数，横轴为正态分布的分位数的值，纵轴为已知数据的分位数的值。可以得到一个散点图 如果图中的点正对xy轴的角平分线 就是符合分布的。

from statsmodels.graphics.api import qqplot
from matplotlib import pyplot as plt 
plt.show(qqplot(ss.norm.rvs(size=100)))

因为该散点图中的点集中在xy轴的角平分线上，所以符合正态分布。