python统计分析-假设检验

假设检验

一、假设概念

假设总体均值为μ，那么实际抽样的均值离μ越近意味着假设越合理，相反，实际抽样均值离μ越远意味着假设越不合理。其中，实际抽样结果与假设的差异“程度”可以用概率值表示，概率值越大意味着越无差异。在实际中往往认为设定一个P-value的阈值将差异程度判断为有差异或者无差异，这就是显著性水平。

二、假设检验基本步骤

1. 提出原假设和备择假设
2. 确定适当的检验统计量
3. 规定显著性水平
4. 计算检验统计量的值
5. 做出决策

三、显著性水平与拒绝域

四、单样本t检验

1. 假设样本服从t分布，原假设为总体均值等于μ0
2. 备择假设为总体均值不等于μ0
3. 先计算样本均值x，样本标准差σ
4. 检验统计量如下为t = （x-μ0）/（σ/√n）
5. 根据计算出来的P值来判断是否拒绝原假设，例如P值大于原显著水平，则无法拒绝原假设，否则拒绝原假设，接受备择假设。显著性水平可以理解为拒绝原假设的概率。这里以0.05作为判断标准，若p值大于0.05 则表示接受原假设，否则拒绝原假设。

代码实战：

import pandas as pd
import statsmodels.api as sm

#单样本t检