假设检验:根据数据样本所提供的证据,肯定还是否定有关总体的声明。
假设验证的基本流程
1、提出零假设(我们希望推翻的结论),及备择假设(我们希望证明的结论)
2、在零假设的前提下,推断目前样本统计量出现的概率 *统计量可符合不同分布,即对应不同的检验方法
3、设定一个拒绝零假设的阈值(常见5%,及统计学意义“显著”,significant),如果目前样本统计量在零假设下出现的概率小于阈值,则拒绝零假设,承认备择假设。
单样本
eg:一个硬币的正反面概率不一样
某大学的男同学平均身高高于175cm
适用于: 单样本z检验、t检验
双样本
eg:硬币一和硬币二的正面概率有显著不同
某大学和某高中男生的平均身高不一样
适用于:双样本t检验
p-value:零假设成立时,观察到样本的概率(通常用5%,1%或0.1%用于判断备择假设是否成立的判断阈值)
单样本z 检验
假设:要检验的统计量(近似)满足正态分布
常见用途:检测总体平均值是否等于某个常量。
其依据是:中心极限定理。大量互相独立的随机变量,其均值的分布以正态分布为极限。
零假设:某大学男生的平均身高是175cm
备择假设:某大学男生的平均身高不是175cm
conda install statsmodels
z,pval