Python实现统计推断-T检验、F检验、卡方检验

在SPSS软件内可以实现对表中数据的统计推断，为了实现同样类似的操作，我们可以使用Python复现SPSS中的部分功能，实现简单的数据统计推断功能。

什么是T检验？

       t检验又称学生t检验（student’s t-test），是统计推断的最基本方法。利用t分布理论，研究两组均数之间是否存在显著性差异。

t 检验要解决什么问题？

• 如何判断药物的疗效？
• 青少年身高、体重发展是否符合规律？
• 近视是否在不同年级之间的比例是一致的？
• 手术前后病人的生理指标是否有差异？
• 保健品的含量是否与标称值一样？

t检验的适用条件

       适用条件：小样本数据的分析，且数据分布需要服从正态或者近似正态分布，已知总体和样本均值。包括：单样本t检验、独立样本t检验、配对样本t检验。数据类型：定量数据（因变量Y），定性数据（自变量X）

正态分布

       正态分布又称常态分布，高斯分布。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。若随机变量X服从一个数学期望（均值）为μ、方差为σ2的正态分布，记为N(μ，σ2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ = 0,σ = 1时的正态分布是标准正态分布。

 t分布

t 分布：根据小样本来估计呈正态分布且方差未知的总体的均值，已知总体和样本均值。以0为中心，左右对称的单峰分布。t 分布曲线与样本数量N（自由度df）密切相关。df越小，曲线越低平；df越大，曲线越高陡；当自由度df=∞时，曲线为标准正态分布。

t检验分布表

利用Python进行t检验

界面效果如下：

最终输出结果为表格，结果如下：

界面由PyQt5设计完成

部分代码如下：

 #获取置信度
        def get_confidence_entry_item(self):
            try:
                confidence_entry = self.lineEdit_confidence_entry.text()
                confidence_entry = float(confidence_entry)
                return confidence_entry
            except Exception as e:
                # 处理异常
                print("请输入正确置信度:", str(e))

        #获取检测值
        def get_inspection_item(self):
            try:
                inspection_entry = self.lineEdit_inspect.text()
                inspection_entry = float(inspection_entry)
                return inspection_entry
            except Exception as e:
                # 处理异常
                print("请输入正确检验值:", str(e))

        #分类选择值
        def classfication_choose(self):
            global classfication_value
            search_text = " = ?"
            choose_items = self.listView_classfication_choose.selectedItems()
            for item in choose_items:
                replace_text = " = " + item.text()
                classfication_value = item.text()
            for index in range(self.listView_classfication.count()):
                item = self.listView_classfication.item(index)
                item_text = item.text()
                if item_text.endswith(search_text):
                    new_text = item_text[:-len(search_text)] + replace_text
                    item.setText(new_text)
                    break
            self.listView_classfication_choose.clear()

完整代码可以在我的Github中获取。