假设检验之单个总体均值检验（含Python代码）

韩立 •

已于 2022-09-14 18:09:09 修改

阅读量1.3k

点赞数 2

分类专栏：应用统计学文章标签：均值算法算法

于 2022-09-14 18:08:52 首次发布

本文链接：https://blog.csdn.net/qq_44386182/article/details/126852132

版权

应用统计学专栏收录该内容

11 篇文章 6 订阅

订阅专栏

这篇博客介绍了统计学中的假设检验概念，重点讲解了单个总体均值的假设检验步骤，并通过Python代码展示了如何进行双边、单侧检验。文章还包含了分位数的理解以及统计量的规定，帮助读者深入理解假设检验的实践应用。

摘要由CSDN通过智能技术生成

什么是假设检验：（教材原话，很容易理解）

假设检验原理图：

均值假设检验原理（理解重点）：

单个总体均值假设检验步骤：

分位数的理解：

（附教材）

统计量规定

单个总体检验的扩展：

分为三类情况讨论：

单侧检验：

重点

Python代码（含例题答案）

def ztest_simple(xb, sigma,sample_num, mu0, side='both'):
    """
    显著水平为0.05
    参数：
        xb- 样本均值
        sigma- 样本的标准差
        sample_num- 样本容量
        mu0- H0假设的均值
        side取值
            'both'- 双边检验
            'left'- 左侧检验
            'right'- 右侧检验
    返回值: 字典形式的p:若p值大于0.5，接受原假设。否则，拒绝原假设。
    """
    Z = stats.norm(loc=0, scale=1)
    z0=(xb-mu0)/(sigma/np.sqrt(sample_num))
    if side=='both':
        z0=np.abs(z0)
        tmp = Z.sf(z0)+Z.cdf(-z0)
        return {"p": tmp}
    elif side=='left':
        tmp = Z.cdf(z0)
        return {"p": tmp}
    elif side == 'right':
        tmp = Z.sf(z0)
        return {"p": tmp}


print(ztest_simple(10.48, 0.15, 15, 10.5, side='both'))
"""{'p_val': 0.6055766163353541}"""

因为0.6>0.05,故接受原假设