验证型数据分析

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