假设检验

假设检验

原假设备择假设的建立

1. 将研究中的假设作为备择假设(希望为真的)

   例如:某汽车在城市的燃油效率为值24，某研究小组对该燃油系统进行了改进。需要统计结论来支持改进的燃油系统确实比之前的有效。
   $$H_0:\mu \le 24$$

   $$H_1:\mu >24$$

2. 将受到挑战的假设作为原假设

   例如:某饮料总体均值至少为250ml，我们认为这是符合事实的，这里把不符合事实的假设设为备择假设
   $$H_0:\mu \ge 250H_1:\mu <250$$

单样本均值检验

案例:政府要求汽车引擎的排放均值要低于20ppm，公司制造的引擎给出排放数据，看是否符合要求
$$H_0:\mu \ge 20H_1:\mu <20$$

#产生数据
dataSer = pd.Series([15.6,16.2,22.5,20.5,16.4,19.4,16.6,17.9,12.7,13.9])

#样本均值
sample_mean = dataSer.mean()

#样本方差
sample_std = dataSer.std()

'''
总体方差未知使用t检验,样本容量较小的时候,检查下样本数据的分布是否近似正态
'''
#样本大小
n = 10

#标准误差
se = sample_std / (np.sqrt(n))

#总体均值
mean = 20

#显著水平
alpha = 0.05
'''
ttest_1samp:单独样本t检验
返回样本第一个值是假设检验计算出的t值
第二个值p是双尾检验的p值
'''
t,p_twoTail = stats.ttest_1samp(dataSer,mean)

#单尾检验的p值
p_oneTail = p_twoTail/2
p_oneTail

p < alpha 拒绝原假设