Python进行各项统计检验

最新推荐文章于 2024-07-11 10:30:06 发布
最新推荐文章于 2024-07-11 10:30:06 发布
阅读量1w 收藏 89
点赞数 12
分类专栏： Python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_38826019/article/details/82874995
版权

统计性检验

本文分为四个部分：

  • 正态性检验
  • 相关性检验
  • 参数统计假设检验
  • 非参数统计假设检验

 1.正态性检验

本部分列出了可用于检查数据是否具有高斯分布的统计检验。

w检验（Shapiro-wilk test)

检验数据样本是否具有高斯分布。

from scipy.stats import shapiro
data = [21,12,12,23,19,13,20,17,14,19]
stat,p = shapiro(data)
print("stat为：%f" %stat,"p值为：%f" %p)

更多内容

  • scipy.stats.shapiro：https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.shapiro.html
  • 维基百科：https://en.wikipedia.org/wiki/Shapiro%E2%80%93Wilk_test

 2.相关性检验

本节列出了可用于检查两个样本是否相关的统计检验

皮尔逊相关系数

检验两个样本是否具有单调关系

假设

  • 每个样本中的观察是独立同分布的
  • 每个样本的观察都是正态分布的
  • 每个样本的观察具有相同的方差

 

from scipy.stats import pearsonr
data1 = [21,12,12,23,19,13,20,17,14,19]
data2 = [12,11,8,9,10,15,16,17,10,16]
corr,p = pearsonr(data1,data2)
print("corr为：%f" %corr,"p值为：%f" %p)

更多信息

  • scipy.stats.pearsonr：https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.pearsonr.html
  • 维基百科：https://en.wikipedia.org/wiki/Pearson_correlation_coefficient

卡方检验

检验两个分类变量是相关的还是独立的

假设

  • 用于计算列联表的观察是独立的
  • 列联表的每个单元格中有25个或更多个实例
from scipy.stats import chi2_contingency
data1 = [21,12,12,23,19,13,20,17,14,19]
data2 = [12,11,8,9,10,15,16,17,10,16]
stat,p,dof,expected = chi2_contingency(data1,data2)
print("stat为：%f" %stat,"p值为：%f" %p)

更多信息

  • scipy.stats.chi2_contingency：https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.chi2_contingency.html
  • 维基百科：https://en.wikipedia.org/wiki/Chi-squared_test

3.参数统计假设检验

本节列出了可用于比较数据样本的统计检验

T检验

 检验两个独立样本的均值是否存在显著差异

假设

  • 每个样本中的观察是独立同分布的
  • 每个样本的观察都是正态分布的
  • 每个样本中的观察具有相同的方差
from scipy.stats import ttest_ind
data1 = [21,12,12,23,19,13,20,17,14,19]
data2 = [12,11,8,9,10,15,16,17,10,16]
stat,p = ttest_ind(data1,data2)
print("stat为：%f" %stat,"p值为：%f" %p)

更多信息

  • scipy.stats.ttest_ind：https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.ttest_ind.html
  • 维基百科：https://en.wikipedia.org/wiki/Student%27s_t-test

配对T检验

检验

检验两个配对样本的均值是否cun'存在显著差异

假设

  • 每个样本中的观察是独立同分布的
  • 每个样本的观察都是正态分布的
  • 每个样本中的观察具有相同的方差
  • 每个yang样本的观察结果是成对的

 

from scipy.stats import ttest_rel
data1 = [21,12,12,23,19,13,20,17,14,19]
data2 = [12,11,8,9,10,15,16,17,10,16]
stat,p = ttest_rel(data1,data2)
print("stat为：%f" %stat,"p值为：%f" %p)

更多信息

  • scipy.stats.ttest_rel：https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.ttest_rel.html
  • 维基百科：https://en.wikipedia.org/wiki/Student%27s_t-test

方差分析

测试两个或两个以上独立样本的均值是否存在显著差异

假设

  • 每个样本中的观察是独立同分布的
  • 每个样本的观察都是正态分布的
  • 每个样本中的观察具有相同的方差
from scipy.stats import f_oneway
data1 = [21,12,12,23,19,13,20,17,14,19]
data2 = [12,11,8,9,10,15,16,17,10,16]
stat,p = f_oneway(data1,data2)
print("stat为：%f" %stat,"p值为：%f" %p)

更多信息

  • scipy.stats.f_oneway：https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.f_oneway.html
  • 维基百科：https://en.wikipedia.org/wiki/Analysis_of_variance

4.非参数统计假设检验

曼-惠特尼U检验

检验两个独立样本的分布是否相等。

假设

  • 每个样本中的观察是独立同分布的
  • 可以对每个样本中的观察进行排序
from scipy.stats import mannwhitneyu
data1 = [21,12,12,23,19,13,20,17,14,19]
data2 = [12,11,8,9,10,15,16,17,10,16]
stat,p = mannwhitneyu(data1,data2)
print("stat为：%f" %stat,"p值为：%f" %p)

更多信息

  • scipy.stats.mannwhitneyu：https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.mannwhitneyu.html
  • 维基百科：https://en.wikipedia.org/wiki/Mann%E2%80%93Whitney_U_test

威尔科克森符号秩检验

检验两个pei配对样本的分布shi是否均等

假设

  • 每个样本中的观察是独立同分布
  • 可以对每个样本中的观察进行排序
from scipy.stats import wilcoxon
data1 = [21,12,12,23,19,13,20,17,14,19]
data2 = [12,11,8,9,10,15,16,17,10,16]
stat,p = wilcoxon(data1,data2)
print("stat为：%f" %stat,"p值为：%f" %p)

更多信息

  • scipy.stats.wilcoxon：https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.mannwhitneyu.html
  • 维基百科：https://en.wikipedia.org/wiki/Mann%E2%80%93Whitney_U_test

Kruskal-wallis H检验

检验两个或多个独立样本的分布是否相等

假设

  • 每个样本中的观察是独立同分布的
  • 可以对每个样本中的观察进行排序
from scipy.stats import kruskal
data1 = [21,12,12,23,19,13,20,17,14,19]
data2 = [12,11,8,9,10,15,16,17,10,16]
stat,p = kruskal(data1,data2)
print("stat为：%f" %stat,"p值为：%f" %p)

更多信息

  • scipy.stats.kruskal：https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.kruskal.html
  • 维基百科：https://en.wikipedia.org/wiki/Kruskal%E2%80%93Wallis_one-way_analysis_of_variance

参考链接：http://www.atyun.com/26911.html 

星夜孤帆
关注
专栏目录
基于Python的车牌识别系统实现
商务合作 / 项目定制 / 学习交流。个人vx：lovely_wml
10-16 4万+
本文将以基于Python的车牌识别系统实现为方向，介绍车牌识别技术的基本原理、常用算法和方法，并详细讲解如何利用Python语言实现一个完整的车牌识别系统。
python进行各项统计检验_Python进行各项统计检验
weixin_31588005的博客
02-21 946
统计性检验本文分为四个部分：正态性检验相关性检验参数统计假设检验非参数统计假设检验1.正态性检验本部分列出了可用于检查数据是否具有高斯分布的统计检验。w检验(Shapiro-wilk test)检验数据样本是否具有高斯分布。from scipy.stats import shapirodata = [21,12,12,23,19,13,20,17,14,19]stat,p = shapiro(da...
Python--统计学检验
数据科学知识库
07-27 1203
1.导入相关库 import numpy as np import pandas as pd import matplotlib.pyplot as plt from scipy import stats from scipy.stats import normaltest,kstest,shapiro,anderson,levene, bartlett,f_oneway from scipy.stats import ttest_1samp,ttest_ind,ttest_rel,mannwhitne
如何利用python进行统计显著性检验
最新发布
小力子的博客
07-11 765
在统计学中，显著性差异检验是用来决定两组或多组数据之间是否存在统计学上的差异。若存在显著性差异，则说明数据集之间不是来自于同一个分布。在Python中，可以使用多种方法来进行显著性差异检验，如t检验、KS检验、Wilcoxon符号秩检验等。总的来说，在进行显著性差异检验时，选择合适的检验方法非常重要。Python中的SciPy和Numpy等库提供了强大的统计功能，使用户可以方便地进行各种显著性检验。无论是参数检验还是非参数检验，都需确保数据满足检验的前提条件，以确保结果的准确性和可靠性。
用python对数据进行正态性检验（Q-Q检验，KS检验，W检验，偏峰检验）
YTHAAA的博客
10-22 1515
# -*- coding: utf-8 -*- """ Created on Fri Oct 22 18:07:52 2021 @author: Machi """ import numpy as np from scipy import stats import matplotlib.pyplot as plt import seaborn as sns import statsmodels.api as sm #Used to display Chinese labels plt.rcParams
GRS-test_Python
02-18
GRS-test_Python
异方差的拉格朗日乘数（LM）检验python
m0_55894587的博客
03-24 3648
设线性模型为在异方差检验中，常用的检验方法有3种：Breusch--Pagan-Godfrey(BPG)检验，Glejser(戈里瑟)检验,Harvey(哈维)检验，检验公式分别如下。
python 统计检验_[转载]Python替代SPSS进行各项统计检验
weixin_35794280的博客
01-11 506
采用python的scipy库完成常用的假设检验, 配合pandas库非常好用正态性检验检验数据样本是否具有高斯分布。from scipy.stats import shapirodata = [21,12,12,23,19,13,20,17,14,19]stat,p = shapiro(data)print("stat为：%f" %stat,"p值为：%f" %p)皮尔逊相关性检验检查两个样本是...
python成绩统计_利用python进行学生成绩分析
weixin_39655993的博客
11-25 4897
import osimport pandas as pdimport numpy as npimport openpyxlfrom tkinter import *from tkinter import filedialogimport tkinter.messageboxfrom tkinter import ttkdef cjtj(df_xx,tj_bt,df,nj_ks,qz):tj = p...
python白噪声检验结果查询_python白噪声
weixin_39789042的博客
11-28 2108
广告关闭腾讯云11.11云上盛惠 ，精选热门产品助力上云，云服务器首年88元起，买的越多返的越多，最高返5000元！白噪声是时间序列预测中的一个重要概念。 如果一个时间序列是白噪声，它是一个随机数序列，不能预测。 如果预测误差不是白噪声，它暗示了预测模型仍有改进空间。 在本教程中，你将学习python中的白噪声时间序列。 完成本教程后，你将知道:白噪声时间序列的定义以及为什么它很重要。 如何检查是...
python anova检验 单因素方差分析
Imperfect girl的博客
08-19 1777
单因素方差分析（one-way analysis of variance, ANOVA)单因素方差分析常用于判断在多个分组中某个指标是否具有显著差异。 例： 这里有3组数字。 原假设：这3组数无显著差异。 from scipy import stats x = [[0.22, 0.17, 0.17, 0.22, 0.17, 0.11, 0.39, 0.17, 0.28, 0.17, 0.44, 0.39, 0.33, 0.39, 0.39], [0.78, 0.78, 0.61,
Fama-French三因子模型的实证检验与风险分析
12-28
Fama-French三因子模型的实证检验与风险分析，严太华，胡宗斌，本文利用2007年5月-2017年6月月度数据检验和对比了三个定价模型--CAPM、二因子模型和Fama-French三因子模型在中国股市的适用性，并用GRS方�
Fama三因子选股的python实现
07-06
Fama三因子选股的python实现,是做量化投资的基本策略，
python方差检验分析（ANOVA）
data+scenario+science+insight
07-27 4780
python方差检验分析（ANOVA） 方差分析(Analysis of Variance，简称ANOVA)，又称“变异数分析”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显著性检验。 由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。 单因素方差分析（one-way ANOVA）也称为F检验，是通过对数据变异的分析来推断两个或多个样本均数所代表的总体均数是否有差别的一种统计推断方法。
使用python进行单因素方差分析（ANOVA）和事后多重比较(LSD)
thinkwindows的专栏
06-18 481
使用python进行单因素方差分析（ANOVA）和事后多重比较(LSD)
【Python计量】异方差性的检验
mfsdmlove的博客
04-22 9065
异方差性的检验
格拉布斯离群值检验——理论与 Python 实现
weixin_42141390的博客
06-20 3236
文章目录原理Python 代码 参考文章：https://en.wikipedia.org/wiki/Grubbs%27s_test 原理 格拉布斯检验1是一种假设检验方法（显著检验法），其原假设为： H0:H_0:H0​: 数据集中没有离群值 H1:H_1:H1​: 数据集中存在离群值 设数据集为：x1,x2,⋯ ,xnx_1, x_2, \cdots, x_nx1​,x2​,⋯,xn​计算 Grubbs 检验的检验统计量如下： G=max⁡∣xi−xˉ∣s G=\frac{\max |x_i-\bar{
使用Python scipy做统计检验--Student t-test
热门推荐
myairforce1的博客
01-04 2万+
我们使用下面的一个简单的例子来熟悉Student t检验的方法。 在10块地上同时种植甲乙两种作物，其产量服从正态分布，并且方差相同。结果计算得x⎯⎯=30.97,y⎯⎯=21.79,Sx=26.7,Sy=12.1\overline{x}=30.97, \overline{y}=21.79, S_x = 26.7, S_y = 12.1。试问这两种作物的产量有无明显差异？ 这是一个典型
假设检验-W检验
默默耕耘，阶段爆发，取长补短，修炼身心
08-28 8628
传送：随机变量概率分布函数汇总-离散型分布+连续型分布 W检验全称为shapiro-wilk正态检验-属于非参数检验，用来检验数据是否符合正态分布，与线性回归方法相同，检验其与回归曲线的残差，该方法在样本量较小时使用(样本容量3-50) 检验步骤：1.将数据按数值大小从新排列，使得X1≤X2...≤Xn；2.计算分母；3.查表得a值;4.计算W；5.若W值小于判断界限值Wa(查表)，则拒绝...
水质检测python
12-11
水质检测是指通过对水样进行一系列的化学、物理、生物等分析测试，来评估水体是否符合各项水质指标的要求。而Python是一种高级编程语言，广泛应用于数据处理与分析，在水质检测中也可以发挥重要作用。 首先，Python具有丰富的库和工具，可以帮助我们进行水质数据的处理和分析。例如，NumPy、Pandas等库可以用于数据的导入、处理和统计分析，Matplotlib、Seaborn等库可以用于数据的可视化展示，这些库的使用可大大提高水质检测数据的处理效率和结果的准确性。 其次，Python还有一些专门用于科学计算的库，如SciPy，它提供了丰富的科学计算函数和工具，可以用于水质数据的处理、回归分析、统计建模以及模型拟合等。Scikit-learn是一个机器学习库，可以用于水质数据的模式识别和分类等。 另外，Python还有一些用于图像处理和计算机视觉的库，如OpenCV，可以用于处理水质检测中的图像数据，识别和测量水体中的微生物颗粒、藻类等。 此外，Python还支持大数据处理和分布式计算，如Apache Spark等，可以应对大规模数据的处理需求，对于水质检测实验中产生的海量数据进行并行处理和分析。 总的来说，Python作为一种通用的编程语言，具有强大的数据处理和分析能力，可以为水质检测提供有效的帮助。利用Python进行水质检测，不仅可以提高工作效率，还能够得到更准确和全面的结果。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值