判断样本均值：单样本T检验，双T检验(T-T检验)，配对样本T检验(P-T检验)

图片来源：https://zhuanlan.zhihu.com/p/68736699

单样本T检验（one-sample T-test）

用于检验总体方差未知、正态数据或近似正态的单样本的均值是否与已知的总体均值相等

• H₀:样本均值与总体均值相等
• H₁:样本均值与总体均值不等

from scipy import stats

data = stats.norm.rvs(loc=5, scale=10, size=(100, 1)) # 生成均值为5方差为10的正态分布
stats_value = stats.ttest_1samp(data, 5) # 检验均值为5
print(stats_value.pvalue) # 得出p值

• p值 < 0.05，拒绝原假设，即均值不为5
• p值 > 0.05，接收原假设，均值为5

双样本T检验（T-T检验）

用于检验两对独立的正态数据或近似正态的样本的均值是否相等

• H₀:两样本均值相等
• H₁:两样本均值不同

from scipy import stats

data1 = stats.norm.rvs(loc=5, scale=10, size=500)
data2 = stats.norm.rvs(loc=5, scale=10, size=500)
data3 = stats.norm.rvs(loc=5, scale=20, size=500)
stats.ttest_ind(data1, data2)
stats.ttest_ind(data1, data3, equal_var=False)

对于不同方差的两个样本，需要设置equal_var=False

• p值 < 0.05，拒绝原假设，两个均值不同
• p值 > 0.05，接收原假设，均值相同

配对样本T检验（P-T检验）

• H₀:两样本均值之差为0
• H₁:两样本均值之差不等于0

一对配对样本的均值的差是否等于某一个值，检验时要求两个样本的量是相同的

from scipy import stats

rvs1 = stats.norm.rvs(loc=5, scale=10, size=500)
rvs2 = (stats.norm.rvs(loc=5, scale=10, size=500) + stats.norm.rvs(scale=0.2, size=500))
stats.ttest_rel(rvs1, rvs2)
rvs3 = (stats.norm.rvs(loc=8, scale=10, size=500) + stats.norm.rvs(scale=0.2, size=500))
stats.ttest_rel(rvs1, rvs3)

• p值 < 0.05，拒绝原假设，即之差不等于0
• p值 > 0.05，接收原假设，等同于两个样本均值相同

参考网站

三种T检验的详细区分：https://zhuanlan.zhihu.com/p/68736699