概率统计Python计算：单个正态总体均值双侧假设的Z检验

用p值法计算假设$H_0$的双侧检验，设$a$，$b$分别是检验统计量分布对应显著水平$\alpha$的左、右分位点，$F(x)$和$S(x)$分别为检验统计量的分布函数和残存函数。若检验统计量观测值$\gamma$落在其分布的均值右边（见下图），且$S(\gamma )\ge S(a)=\alpha /2$（若令$p=2S(\gamma )$，则此时$p\ge \alpha$），$\gamma$必落在$H_0$的非拒绝域中，否则落入拒绝域中（如下图中$\zeta$）。相仿地，当检验统计量观测值落在其分布的均值左边（如下图中的${\gamma }^{\prime }$或${\zeta }^{\prime }$），则$p=2F({\gamma }^{\prime })\ge \alpha$时接受假设，否则拒绝假设。

对单个正态总体均值$\mu$的双侧检验，检验统计量$Z=\frac{\overline{X}-{\mu }_0}{\sigma /\sqrt{n}}$~$N(0,1)$，其p值检验法写成Python函数如下：

from scipy.stats import norm	#导入norm
def ztest2(z, alpha):			#双侧检验函数
    if z>=0:					#统计量值位于分布的右边
        p=2*norm.sf(z)
    else:						#统计量值位于分布的左边
        p=2*norm.cdf(z)
	return p>=alpha

第3~6行的if-else语句根据位于0（标准正态分布的均值）的两侧计算p值：$z\ge 0$则设$p=2S(z)$（第4行），否则设$p=2F(z)$（第6行）。第7行返回检验结果$p\ge \alpha$。顺便提请注意，根据标准正态分布密度函数的对称性，第3~6行的if-else语句可简化为
$$\text{p=2*norm.sf(abs(z))}$$
即$p$值设置为$2S(|x|)$。
例1 某市高三学生毕业会考，数学成绩的平均分为70分。现随机抽取10名女生的会考成绩如下：
$$65,72,89,56,79,63,92,48,75,81$$
若已知女生的会考成绩服从正态分布$N(\mu ,{\sigma }^2)$，其中$\sigma =10$，问女生的会考平均成绩$\mu$是否为70分（显著水平$\alpha =0.05$）。
解： 本题中，假设$H_0:\mu =70,H_1:\mu \ne 70$。已知正态总体均方差$\sigma =10$，采用$Z$检验法。下列代码完成本例计算。

import numpy as np                                  #导入numpy
x=np.array([65, 72, 89, 56, 79, 63, 92, 48, 75, 81])#样本数据
xmean=x.mean()                                      #样本均值
n=x.size                                            #样本容量
s0=10                                               #总体均方差
mu0=70                                              #总体均值假设值
alpha=0.05                                          #显著水平
z=(xmean-mu0)/(s0/np.sqrt(n))                       #检验统计量
accept=ztest2(z, alpha)                             #双侧检验
print('mu=%d is %s.'%(mu0, accept))

第2~7行按题面设置各项数据。第8行计算检验统计量观测值$\frac{\overline{x}-{\mu }_0}{\sigma /\sqrt{n}}$，第9行调用函数ztest2，对假设$H_0:\mu ={\mu }_0$作双侧检验。运行程序，输出

mu=70 is True.

表示接受假设$H_0:\mu ={\mu }_0=70$，即在显著水平$\alpha =0.05$下认为女生的会考平均成绩为70分。
例2 如果一个矩形的宽度$w$和长度$l$的比$w/l=\frac{1}{2}(\sqrt{5}-1)\approx 0.618$，这样的矩形称为黄金矩形。这种尺寸的的矩形使人们看上去有良好的感觉。现代的建筑构件（如窗架）、工艺品（如图片镜框）、甚至司机的执照、商业的信用卡等常常都是采用黄金矩形。下面列出某工艺品工厂随机取的20个矩形的宽度和长度的比值：
$$\begin{gathered} 0.693,0.749,0.654,0.670,0.662,0.672,0.615,0.606,0.690,0.628 \\ 0.668,0.611,0.606,0.609,0.601,0.553,0.570,0.844,0.576,0.993 \end{gathered}$$
设这一工厂生产的矩形的宽度与长度的比值总体服从正态分布$N(\mu ,{\sigma }^2)$，其中$\mu$未知，${\sigma }^2=0.01$。试检验假设（$\alpha =0.05$）
$$H_0:\mu =0.618,H_1:\mu \ne \mathrm{0.618.}$$
解： 这是一个已知总体方差，计算总体均值假设双侧检验的问题。下列代码完成本例计算。

import numpy as np								#导入numpy
x=np.array([0.693, 0.749, 0.654, 0.670, 0.662,	#样本数据
            0.672, 0.615, 0.606, 0.690, 0.628,
            0.668, 0.611, 0.606, 0.609, 0.601,
            0.553, 0.570, 0.844, 0.576, 0.933])
xmean=x.mean()									#样本均值
s0=0.01											#样本方差
mu0=0.618										#总体均值假设值
n=x.size										#样本容量
alpha=0.05										#显著水平
z=(xmean-mu0)/np.sqrt(s0/n)						#检验统计量
accept=ztest2(z, alpha)							#检验假设
print('mu=%.3f is %s.'%(mu0, accept))

第2~9行按题面设置数据，第10行计算检验统计量z，第11行调用ztest2计算对假设$H_0:\mu ={\mu }_0$作双侧检验。运行程序，输出

mu=0.618 is True.

表示接受假设$H_0:\mu =0.618,H_1:\mu \ne 0.618$。
写博不易，敬请支持：
如果阅读本文于您有所获，敬请点赞、评论、收藏，谢谢大家的支持！
代码诚可贵，原理价更高。若为AI学，读正版书好。
返回《导引》