数据分析为何要学统计学（9）——总体不服从正态分布时使用什么假设检验方法进行均值检验？

大多数情况下，我们都假设样本所在总体服从正态分布，然后使用t检验、方差分析等假设检验方法。但是总体如果不服从正态分布，那么就得使用非参数检验方法，如Mann-Whitney U检验和Wilcoxon秩和检验。其中Mann-Whitney U检验适用于独立双样本的情况，Wilcoxon秩和检验适用于配对双样本的情况。例程如下：

from scipy import stats
import numpy as np
X=np.array([[24.68, 27.01, 26.83, 24.05, 25.38],
       [26.45, 25.68, 25.29, 27.01, 26.21]])
#独立样本
stats.mannwhitneyu(X[0],X[1])
#配对样本
stats.wilcoxon(X[0],X[1])

Mann-Whitney U检验和Wilcoxon秩和检验还支持单侧检验，来比较两组样本均值的大小。此时使用alternative参数定义备择假设的方向（less或greater）。

但是如果样本超过两组怎么办？我们可以使用Kruskal-Wallis检验（stats.kruskal函数），使用方法形如stats.kruskal(X1,X2,X3,...)