概率统计Python计算：双正态总体未知总体方差总体均值差单侧假设的T检验

设总体$X$~$N({\mu }_1,{\sigma }^2)$，$Y$~$N({\mu }_2,{\sigma }^2)$相互独立，${\sigma }^2$未知。为检验右侧假设$H_0:{\mu }_1-{\mu }_2\le \delta ,H_1:{\mu }_1-{\mu }_2>\delta$（或左侧假设$H_0:{\mu }_1-{\mu }_2\ge \delta ,H_1:{\mu }_1-{\mu }_2<\delta$），检验统计量为$\frac{\overline{X}-\overline{Y}-\delta }{S_w\sqrt{1/n_1+1/n_2}}$~$t(n_1+n_2-2)$。其中，$\overline{X}$和$\overline{Y}$是来自$X$和$Y$的样本均值，$S_w=\sqrt{\frac{(n_1-1)S_1^2+(n_2-1)S_2^2}{n_1+n_2-2}}$，$S_1^2$和$S_2^2$为样本方差，$n_1$，$n_2$为样本容量。我们可以利用ttestR和ttestL来完成上述关于总体均值差${\mu }_1-{\mu }_2$单侧假设的检验。
例1两个班级A和B，参加数学课的同一期终考试。分别在两个班级中随机抽取9个、4个学生，他们的得分如下：
$$\begin{gathered} \text{A班：}65,68,72,75,82,85,87,91,95 \\ \text{B班：}50,59,71,80 \end{gathered}$$
设A班、B班考试成绩的总体服从的分布分别为$N({\mu }_1,{\sigma }^2)$和$N({\mu }_2,{\sigma }^2)$，${\mu }_1,{\mu }_2,{\sigma }^2$均未知，两个样本相互独立。试在显著水平$\alpha =0.05$下，检验右侧假设
$$H_0:{\mu }_1\le {\mu }_2,H_1:{\mu }_1>{\mu }_2.$$
解： 下列代码完成本例计算。

import numpy as np#导入numpy
x=np.array([65, 68, 72, 75, 82, 85, 87, 91, 95])#样本数据
y=np.array([50, 59, 71, 80])					#样本数据
xmean=x.mean()									#样本均值
ymean=y.mean()									#样本均值
s12=x.var(ddof=1)								#样本方差
s22=y.var(ddof=1)								#样本方差
n1=x.size										#样本容量
n2=y.size										#样本容量
alpha=0.05										#显著水平
sw=np.sqrt(((n1-1)*s12+(n2-1)*s22)/(n1+n2-2))	#计算sw
T=(xmean-ymean)/(sw*np.sqrt(1/n1+1/n2))			#检验统计量值
accept=ttestR(T, n1+n2-2, alpha)				#右侧检验
print('mu1<=mu2 is %s.'%accept)

第2~10行按题面设置各项数据。第11行计算$s_w=\sqrt{\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}}$，第12计算检验统计量$\frac{\overline{x}-\overline{y}-\delta }{s_w\sqrt{1/n_1+1/n_2}}$为T（注意，本例中$\delta =0$），第13行调用ttestR函数计算本例右侧假设$H_0:{\mu }_1\le {\mu }_2$的检测。运行程序，输出

mu1<=mu2 is False.

表示拒绝假设$H_0:{\mu }_1\le {\mu }_2$。
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》