python实现假设检验-z检验

一. 什么是z检验

当总体服从正太分布$N(\mu ,{\delta }^2)$时，统计量$z=\frac{\overline{X}-\mu }{\delta /\sqrt{n}}$服从标准正太分布，因此可以利用该统计量对样本均值$\overline{X}$进行假设检验。这种检验方法称为$z$检验法。

适用条件：

1. 总体服从正态分布且方差已知，此时统计量$z=\frac{\overline{X}-\mu }{\delta /\sqrt{n}}$
2. 总体的方差未知，但样本量足够大，一般样本容量$n$需要大于30，此时统计量$z=\frac{\overline{X}-\mu }{S/\sqrt{n}}$

$\delta$为总体标准差，$S$为样本标准差，$\mu$为总体均值，$\overline{X}$为样本均值。

二. 常见z检验的实现

1. 单样本双边检验

原假设$H_0$	备则假设$H_1$	拒绝域
$\mu ={\mu }_0$	$\mu \ne {\mu }_0$	$|z|>z_{\alpha /2}$

假设某车间用一台包装机包装葡萄糖。已知每袋糖的净重是一个随机变量，且服从标准差为 0.015 kg 的正态分布。某日随机抽取它所包装的9袋糖，称得净重为（kg）：
$$0.497，0.506，0.518，0.524，0.498，0.511，0.520，0.515，0.512$$ 问每袋糖的净重的均值$\mu$是不是0.5kg？

原假设：$H_0:\mu =0.5kg$
备则假设：$H_1:\mu \ne 0.5kg$

从备则假设的形式可以得知总体的实际均值可能大于0.5kg，也可能小于0.5kg，因此它是一个双边检验，置信水平$\alpha$ = 0.05。

代码实现：

import math
import numpy as np
from scipy.stats import norm

if __name__ == '__main__':
    # 总体标准差
    std = 0.015
    # 置信水平
    alpha = 0.05
    sample = [0.497,0.506,0.518,0.524,0.498,0.511,0.520,0.515,0.512]
    # 样本均值
    sample_mean = np.mean(sample)

    # 统计量
    z_statistics = (sample_mean - 0.5) / (std / math.sqrt(len(sample)))

    z_left_value = norm(loc=0, scale=1).ppf(alpha / 2)
    z_right_value = norm(loc=0, scale=1).ppf(1 - alpha / 2)
    print("z_statistics: ", round(z_statistics, 2))
    print("z_left_value: ", round(z_left_value, 2), ", z_right_value: ", round(z_right_value, 2))

    # 计算p值
    pval = norm(loc=0, scale=1).sf(abs(z_statistics)) * 2

    if z_statistics > z_right_value or z_statistics < z_left_value:
        print("reject null hypothesis, p value is: ", round(pval, 2))
    else:
        print("not reject null hypothesis, p value is: ", round(pval, 2))

运行结果：

z_statistics:  2.24
z_left_value:  -1.96 , z_right_value:  1.96
reject null hypothesis, p value is:  0.02

2. 单样本单边检验

原假设$H_0$	备则假设$H_1$	拒绝域
$\mu \le {\mu }_0$	$\mu >{\mu }_0$	$z>z_{\alpha }$
$\mu \ge {\mu }_0$	$\mu <{\mu }_0$	$z<-z_{\alpha }$

还是以上面葡萄糖净重的例子，修改原假设和备则假设$$H_0:\mu \le 0.5kg{H}_1:\mu >0.5kg$$，此时该假设检验就变成了右侧检验。置信水平$\alpha =0.05$。

代码实现：

import math
import numpy as np
from scipy.stats import norm

if __name__ == '__main__':
    # 总体标准差
    std = 0.015
    # 置信水平
    alpha = 0.05
    sample = [0.497,0.506,0.518,0.524,0.498,0.511,0.520,0.515,0.512]
    # 样本均值
    sample_mean = np.mean(sample)

    # 统计量
    z_statistics = (sample_mean - 0.5) / (std / math.sqrt(len(sample)))

    z_right_value = norm(loc=0, scale=1).ppf(1 - alpha)
    print("z_statistics: ", round(z_statistics, 2))
    print("z_right_value: ", round(z_right_value, 2))

    # 计算p值
    pval = norm(loc=0, scale=1).sf(abs(z_statistics))

    if z_statistics > z_right_value:
        print("reject null hypothesis, p value is: ", round(pval, 2))
    else:
        print("not reject null hypothesis, p value is: ", round(pval, 2))

运行结果：

z_statistics:  2.24
z_right_value:  1.64
reject null hypothesis, p value is:  0.01

3. 两样本z检验

设随机变量$X$，$Y$分别服从参数为$({\mu }_1,{\delta }_1^2)$,$({\mu }_2,{\delta }_2^2)$的正太分布，$X_1,X_2...X_{n1}$和$Y_1,Y_2...Y_{n2}$分别为来自$X,Y$的随机序列，则统计量$Z=\frac{(\overline{X}-\overline{Y})-\delta }{\sqrt{\frac{{\delta }_1^2}{n_1}+\frac{{\delta }_2^2}{n2}}}$服从标准正太分布，一般可以利用该统计量对两个总体均值之间的关系进行假设检验。

其中$\overline{X}$,$\overline{Y}$分别为两样本的均值，$\delta ={\mu }_1-{\mu }_2$ ，$n_1$,$n_2$分别为两样本的容量。

原假设$H_0$	备则假设$H_1$	拒绝域
${\mu }_1-{\mu }_2=\delta$	${\mu }_1-{\mu }_2\ne \delta$	$|z|>z_{\alpha /2}$
${\mu }_1-{\mu }_2\le \delta$	${\mu }_1-{\mu }_2>\delta$	$z>z_{\alpha }$
${\mu }_1-{\mu }_2\ge \delta$	${\mu }_1-{\mu }_2<\delta$	$z<-z_{\alpha }$

假设某个学校学生的数学成绩服从正太分布，女生标准差为10，男生标准差是20。现采用随机的方法收集20名女生和20名男生的某次数学考试成绩，经过统计发现女生的平均分是70，男生的平均分为70。现在想知道该学校数学学科女生的平均分是否比男生的平均分高10分?

原假设：$H_0:{\mu }_1-{\mu }_2\ge 10$
备则假设：$H_0:{\mu }_1-{\mu }_2<10$

代码实现：

import math
from scipy.stats import norm


if __name__ == '__main__':

    # 女生与男生样本的均值
    sample_mean1, sample_mean2 = 70,70
    # 两样本容量
    n1, n2 = 20, 20

    # 女生与男生总体的标准差
    std1, std2 = 10, 20
    var1, var2 = std1**2, std2**2

    # 置信度
    alpha = 0.05

    # 计算z统计量和拒绝域临界值
    z_statistics = ((sample_mean1 - sample_mean2) - 10) / math.sqrt(var1 / n1 + var2 / n2)
    z_left = norm(loc=0, scale=1).ppf(alpha)
    print("z_statistics: ", round(z_statistics, 2), "z_left: ", round(z_left, 2))

    pval = norm(loc=0, scale=1).cdf(z_statistics)
    if z_statistics < z_left:
        print("reject null hypothesis, p value is: ", round(pval, 2))
    else:
        print("not reject null hypothesis, p value is: ", round(pval, 2))

运行结果：

z_statistics:  -2.0 z_left:  -1.64
reject null hypothesis, p value is:  0.02