六、假设检验：使用Python进行两个正态总体均值的假设检验

假设两个正态总体分别为：$X\sim N({\mu }_1,{\sigma }_1^2)$和$Y\sim N({\mu }_2,{\sigma }_2^2)$. $X_1,...,X_n$为来自正态总体X的样本；$Y_1,...,Y_n$为来自正态总体Y的样本。两个样本相互独立。并记$\overline{X},\overline{Y},S_1^2,S_2^2$分别为两样本的均值和方差。

1. ${\sigma }_1^2，{\sigma }_2^2$已知

该情形下的检验统计量为：
$$\frac{\overline{X}-\overline{Y}}{\sqrt{\frac{{\sigma }_1^2}{n_1}+\frac{{\sigma }_2^2}{n_2}}}\sim N(0,1)$$

1.1. 双边假设检验

假设形式：$H_0:{\mu }_1-{\mu }_2=0H_1:{\mu }_1-{\mu }_2\ne 0$
拒绝域为：
$$|z|=|\frac{\overline{X}-\overline{Y}}{\sqrt{\frac{{\sigma }_1^2}{n_1}+\frac{{\sigma }_2^2}{n_2}}}|\ge z_{\alpha /2}$$
p值为：
p v a l = P { ∣ Z ∣ ≥ ∣ z 0 ∣ } pval=P\{|Z| \ge |z_0|\} pval=P{∣Z∣≥∣z0​∣}

1.2. 左侧检验

假设形式：$H_0:{\mu }_1-{\mu }_2\ge 0H_1:{\mu }_1-{\mu }_2<0$
拒绝域为：
$$z=\frac{\overline{X}-\overline{Y}}{\sqrt{\frac{{\sigma }_1^2}{n_1}+\frac{{\sigma }_2^2}{n_2}}}\le -z_{\alpha }$$
p值为：
p v a l = P { Z ≤ z 0 } pval=P\{Z \le z_0\} pval=P{Z≤z0​}

1.3. 右侧检验

假设形式：$H_0:{\mu }_1-{\mu }_2\le 0H_1:{\mu }_1-{\mu }_2>0$
拒绝域为：
$$z=\frac{\overline{X}-\overline{Y}}{\sqrt{\frac{{\sigma }_1^2}{n_1}+\frac{{\sigma }_2^2}{n_2}}}\ge z_{\alpha }$$
p值为：
p v a l = P { Z ≥ z 0 } pval=P\{Z \ge z_0\} pval=P{Z≥z0​}

2. ${\sigma }_1^2={\sigma }_2^2={\sigma }^2$但未知

该情形下的检验统计量为：
$$\frac{\overline{X}-\overline{Y}}{S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\sim t(n_1+n_2-2)$$
上式中$s_w^2=\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}$

2.1. 双边假设检验

假设形式：$H_0:{\mu }_1-{\mu }_2=0H_1:{\mu }_1-{\mu }_2\ne 0$
拒绝域为：
$$|t|=|\frac{\overline{X}-\overline{Y}}{S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}|\ge t_{\alpha /2}(n_1+n_2-2)$$
p值为：
p v a l = P { ∣ T ∣ ≥ ∣ t 0 ∣ } pval=P\{|T| \ge |t_0|\} pval=P{∣T∣≥∣t0​∣}

2.2. 左侧检验

假设形式：$H_0:{\mu }_1-{\mu }_2\ge 0H_1:{\mu }_1-{\mu }_2<0$
拒绝域为：
$$t=\frac{\overline{X}-\overline{Y}}{S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\le -t_{\alpha }(n_1+n_2-2)$$
p值为：
p v a l = P { T ≤ t 0 } pval=P\{T \le t_0\} pval=P{T≤t0​}

2.3. 右侧检验

假设形式：$H_0:{\mu }_1-{\mu }_2\le 0H_1:{\mu }_1-{\mu }_2>0$
拒绝域为：
$$t=\frac{\overline{X}-\overline{Y}}{S_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}}\ge t_{\alpha }(n_1+n_2-2)$$
p值为：
p v a l = P { T ≥ t 0 } pval=P\{T \ge t_0\} pval=P{T≥t0​}

3. ${\sigma }_1^2\ne {\sigma }_2^2$且未知

此时以样本方差$S_1^2,S_2^2$分别代替${\sigma }_1^2,{\sigma }_2^2$. 取检验统计量为：
$$T=\frac{\overline{X}-\overline{Y}}{\sqrt{\frac{S_1^2}{n_1}+\frac{S_2^2}{n_2}}}$$

3.1. 当样本容量很大时，利用中心极限定理统计量T近似服从标准正态分布

这种情形下，可以利用1.中的算法求解

3.2. 当样本容量较小时，统计量T服从自由度为k的t分布

这种情形下，自由度k可以粗略计算得：
$$k=min(n_1-1,n_2-1)$$
然后参照2.进行计算求解。

4. Python代码实现

在scipy.stats包含两个正态总体均值的检验函数, 其函数原型：
stats.ttest_ind(a, b, axis=0, equal_var=True, nan_policy='propagate')

5. 实例验证

例1：随机地抽取年龄都是25岁的16位男子和13位女子, 测得:他们的脉搏率如下:
男: 61, 73, 58, 64, 70, 64, 72, 60, 65, 80, 55,72, 56, 56, 74, 65,
女: 83, 58, 70, 56, 76, 64, 80, 68, 78, 108,76, 70, 97.
为题：假设男女脉搏率都是服从正态分布，这些数据能否认为男女脉搏率的均值相同？
解：$H_0:{\mu }_1-{\mu }_2=0H_1:{\mu }_1-{\mu }_2\ne 0$
该问题问双边检验。Python计算如下：

import numpy as np
from scipy import stats

data1 = np.array([61, 73, 58, 64, 70, 64, 72, 60, 65, 80, 55, 72, 56, 56, 74, 65])
data2 = np.array([83, 58, 70, 56, 76, 64, 80, 68, 78, 108, 76, 70, 97])
equal_var = True
if np.var(data1, ddof=1) > np.var(data2,ddof=1)*2 or np.var(data2,ddof=1) >np.var(data1, ddof=1)*2:
	equal_var = False
-, pval = stats.ttest_ind(data1, data2, equal_var=equal_var)
# 结果:
pval = 0.03205611305825045

由于pval = 0.03205611305825045 < 0.05， 拒绝原假设，可以认为男女的脉搏率不相同。

6. 联系交流

-email: hflag@163.com
-qq:532843488