假设检验2_t分布的应用

系列文章目录

提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加
例如：第一章 Python 机器学习入门之pandas的使用

---

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

• 一、右边检验例子
• 二、左边检验例子
• 三   双边检验例子
• 四、CODE实现

---

前言

          假设随机变量符合,方差未知。

对随机变量均值的假设，符合t 分布 

 这里主要应用t分布的性质，得到统计量

---

一、例一 右边检验例子

        可乐制造商为了检验可乐在储藏过程种甜度是否有损失,请专业的品尝师对可乐储藏前后的甜度 进行评分.
    10位品藏师对甜度品分之差为为2.0,0.4,0.7,2.0,-0.4,2.2,-1.3,1.2,1.1,2.3
问： 甜度是否有损失

   解：

      step1: 假设

                

                 其中u 代表甜度损失。

      step2: 计算统计量

                       为2.7

     step3 : 设置信度为0.05，根据自由度求拒绝域

            

      step4: 作出结论

             落在拒绝域里面，甜度有损失

             

         

                

二、例二 左边检验例子

   

    某种电子元器件寿命大于1000小时,随机抽样25件
测得平均寿命为950,标准差100小时。已知电子元器件符合正太分布，
试在显著水平0.05下确定这批元件是否合格。

    解：

     step1:

            

         假设：   

    step2: 统计量

           -2.5

   

step3 : 设置信度为0.05，根据自由度求拒绝域

            

step4:  拒绝原假设，产品不合格

    

---

三 双边检验例子

    

 

 

    解：

     step1 假设

     step2:   计算统计量

       

      -0.14

     step3: 根据置信度0.05 得到拒绝域

      

   step4  接受假设，两者无差异

 

 四  代码实现

   

# -*- coding: utf-8 -*-
"""
Created on Wed Jul 28 14:28:13 2021

@author: chengxf2
"""


import numpy as np
from scipy.stats import t #卡方分布
import matplotlib.pyplot as plt
from enum import Enum

class check_type(Enum):
    LEFT = 1  #单边
    RIGHT = 2  #右边检验
    DOUBLE = 3 #双边检验
'''
  显示拒绝域
，参数loc表示平均数，scale表示标准差，size是样本量
args:
      t1: 分位数
''' 
def Draw(df,t1,tp:check_type):
 
    left =  t.ppf(0.001,df)
    right = t.ppf(0.999,df)
    step = (right-left)/200
    x = np.arange(left, right, step)
    y = t.pdf(x,df)
    plt.plot(x,y,c='g',label='t-distrubition')
    
    print("\n t1",t1)
    if tp is check_type.DOUBLE: #双边
        step = abs((t1-left)/50) #因为对称性
        xLeft = np.arange(left, t1,step)
        yLeft = t.pdf(xLeft,df) #概率密度
    
        
        xRight = np.arange(-t1, right, step)
        yRight = t.pdf(xRight,df)
        
        plt.fill_between(xLeft,  yLeft, color='red', alpha=0.5) #左拒绝区域
        plt.fill_between(xRight, yRight, color='red', alpha=0.5) #左拒绝区域
        
    elif tp is check_type.LEFT: #拒绝域在左
        step = abs((t1-left)/50) #因为对称性
        xLeft = np.arange(left, t1,step)
        yLeft = t.pdf(xLeft,df) #概率密度
        plt.fill_between(xLeft,  yLeft, color='red', alpha=0.5) #左拒绝区域
    else:
        step = abs((right-t1)/50) #因为对称性
        xRight = np.arange(t1, right, step)
        yRight = t.pdf(xRight,df)
        plt.fill_between(xRight, yRight, color='red', alpha=0.5) #左拒绝区域
        
    
     
    
    
'''
step1: 作出假设
step2: 计算统计量
step3: 计算拒绝域
step4: 给出假设
args
    z: 统计量
    t: 拒绝域
'''
def CheckResult(z,t,tp:check_type):
    
    if tp is check_type.DOUBLE:  #双边检验
         if abs(z)>abs(t):
             print("\n +++拒绝假设H0 ++++")
         else:
             print("\n 假设H0成立")
    elif tp is check_type.LEFT:
        if z < t:
            print("\n +++++ 拒绝假设H0 ++++++")
        else:
            print("\n 假设H0")
    else:  #右边假设
        if z > t:
            print("\n ++++++++=拒绝假设H0++++++")
        else:
            print("\n 假设H0")
        
    

'''
t检验
args
    data: 数据
    alpha : 置信度
    tp: 检验类型

'''
def GetInfo(data,alpha, tp:check_type):
    
    
    n = len(data)
    s = np.std(data,ddof = 1) #样本方差
    x_bar = np.mean(data)
    u = 0
    z =(x_bar-u)/(s/np.sqrt(n))
    print("\n n: %d  x_bar %5.2f  s: %5.3f "%(n, x_bar, s))
    print("\n step2  计算统计量 %7.2f"%z)
    
    
    if tp is check_type.DOUBLE:     
        t0 = t.ppf(alpha/2,n-1) #分位数
    elif tp is check_type.LEFT:  #左分位数数
 
        t0 = t.ppf(alpha,n-1)  
    else: #右分位数 #对称的   
        t0 = t.ppf(1-alpha, n-1)
        print("---RIGHT----")
    print("\n 拒绝域: %7.2f"%t0)
    
    CheckResult(z, t0, tp)
    Draw(n-1,t0, tp)

'''
 可乐制造商 右边检验的例子
 H0: u = 0 甜度无损失
 H1: u > 0   甜度无损失
'''  
def example():
    data =[2.0,0.4,0.7,2.0,-0.4,2.2,-1.3,1.2,1.1,2.3]
    alpha = 0.05
    GetInfo(data, alpha, check_type.RIGHT)
   
'''
原件使用寿命的例子,左边检验的例子
H0: u>u0
H1: u<u0
'''
def example1():
    u = 1000
    x_bar = 950
    s = 100
    alpha = 0.05
    n =25
    df = n-1 #样本个数
    z = (x_bar-u)/(s/np.sqrt(n))
    t1 = t.ppf(alpha,df)
    
    print("\n 统计量 %5.2f   拒绝域 %5.2f"%(z,t1))
    Draw(df, t1, check_type.LEFT)
    CheckResult(z,t1,check_type.LEFT )
    

def example3():
    a = np.array([23, 35, 29, 42, 39, 29, 37, 34, 35 ,28])
    b = np.array([26, 39, 35, 40, 38, 24, 36, 27, 41, 27])
    x= a-b
    
    GetInfo(x, 0.05, check_type.DOUBLE)

    
if __name__ =="__main__":
     example3()