python 比例之差z假设检验_假设检验——单样本t检验

最新推荐文章于 2023-10-21 20:09:07 发布

weixin_39645003

最新推荐文章于 2023-10-21 20:09:07 发布

阅读量505

点赞数

文章标签： python 比例之差z假设检验

假设检验是我个人比较薄弱的一项，写这篇总结，也是对自己的检查。为了学习假设检验，我在知乎上查询了很多介绍，看了《商务与经济统计》中假设检验的相关章节。希望自己能有更清楚的认识。

一、T检验介绍

假设检验：问题是什么、证据是什么、判断标准是什么、做出结论。

（1）定义：T检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。[1]T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。它与f检验、卡方检验并列。t检验是戈斯特为了观测酿酒质量而发明的,并于1908年在Biometrika上公布[2]。

（2）适用条件

已知一个总体均数；
可得到一个样本均数及该样本标准差；
样本来自正态或近似正态总体 [3] 。

（3）分类

单样本T检验：检验单个样本的平均值是否等于目标值；

例：某大学生的平均身高是否大于全国平均身高167.2cm?

相关配对检验：检验相关或配对观测之差的平均值是否等于目标值；

例：为了检测减肥药是否起作用，随机抽样出20个样本，记录每个人服药前后的体重

独立双样本检验：检验两个独立样本的平均值之差是否等于目标值

例：AB测试

（4）假设检验步骤

1）样本标准差S:估计总体标准差

2）

3）根据t值，查找t表格，得到p值

4）相关配对的效应值

二、问题背景

“超级引擎”是一家专门生产汽车引擎的公司，根据政府发布的新排放要求，引擎排放平均值要低于20ppm，（ppm是英文百万分之一的缩写，这里我们只要理解为是按照环保要求汽车尾气中碳氢化合物要低于20ppm）。

公司制造出10台引擎供测试使用，每一台的排放水平如下：

15.6 16.2 22.5 20.5 16.4 19.4 16.6 17.9 12.7 13.9

怎么知道，公司生产的引擎是否符合政府规定呢？

如果你是这家公司的数据分析师，该怎么办呢？

三、python详细分析过程

描述性统计分析

# 导入数据分析包

scipy为统计模块

# 导入样本数据集
data = pd.Series([15.6,16.2 ,22.5 ,20.5 ,16.4 ,19.4 ,16.6, 17.9 ,12.7, 13.9])
data

样本为10个，小于30

# 样本均值
data_mean = data.mean()
data_mean
#样本标准差
'''
区别：样本标准差和总体标准差
样本标准差=(x-均值)/(n-1)
总体标准差=(x-均值)/n
pandas默认除以n-1,也就是计算的是样本标准差
'''
data_std = data.std()

data_mean =17.169999999999998

data_std=2.9814426038413018

2.推论统计分析

关于零假设与备选假设的设定问题，一个根本性的原则是从备选假设入手，问题中想要证明达成的目的就是备选假设。

零假设和备选假设
要研究的问题是：这些样本数据是否满足新标准呢？

根据这个问题我提出来下面两个互为相反的假设。

零假设H0：公司引擎排放不满足标准，也就是平均值u>=20。这里的20是政府规定新标准的最低可能值。

零假设总是表述为研究没有改变，没有效果，不起作用等，这里就是不满足标准。

备选假设H1：公司引擎排放满足标准，也就是平均值u<20

抽样分布类型

考虑到样本容量小于30，且只有一个样本，若样本基本符合正态分布，则符合单样本T检验

# 查看样本值分布情况
import seaborn as sns
sns.distplot(data)

样本分布

由上图可知，样本基本符合正态分布，因此采用单样本T检验。

#总体均值
pop_mean=20

'''
用scipy计算出的是：双尾检验
单（1samp）样本t检验（ttest_1samp）
相关（related）样本t检验（ttest_rel）
双独立（independent）样本t检验（ttest_ind）
'''

t,p_towTail = stats.ttest_1samp(data,pop_mean)

t值= -3.00164952589 双尾检验的p值= 0.0149164142489

# 单尾检测的p值

p_one = p_towTail/2

单尾检验的p值= 0.00745820712445

3.判断标准

#判断标准（显著水平）使用alpha=5%
alpha=0.05

4.做出结论

左尾判断条件：t < 0 and p_one < 判断标准（显著水平）alpha
右尾判断条件：t > 0 and p_one < 判断标准（显著水平）alpha

p值：假定原假设成立的前提下，得到样本平均值的概率是多少。p值越小，则拒绝原假设

根据左尾检验判断，拒绝原假设，也就是汽车的引擎排放满足标准。

5.置信区间

# 查找t表格获取95%的置信水平，自由度是n-1对应的t值
#本例的自由度df=10-1=9

t_ci=2.262
#使用scipy计算标准误差
se=stats.sem(data)
#置信区间上限
a=sample_mean - t_ci * se
#置信区间下限
b=sample_mean + t_ci * se

t分布查询表格

单个平均值的置信区间，95置信水平 CI=(15.037353,19.302647)

6.效应量

效应量是指处理效应的大小。

为什么要给出效应量？

在判断某个调查研究的结果，是否有意义或者重要时，要考虑的另一项指标是效应量。效应量太小，意味着处理即使达到了显著水平，也缺乏实用价值。

标准：.20 小的效应，.50中等效应，.80高的效应（d绝对值）

所以，在假设检验中，我们给出了是否具有统计显著性，也要给出效应量，一起来判断研究结果是否有意义。

d=(sample_mean - pop_mean) / sample_std

d= -0.9492049239364257

7.统计分析报告

1、描述统计分析

样本平均值17.17ppm，样本标准差2.98ppm

2、推论统计分析

1）假设检验

独立样本t(9)=-3.00,p=.0074(α=5%)，单尾检验（左尾）

公司引擎排放满足标准

2）置信区间

平均值的置信区间，95% CI=(15.04,19.30)

3）效应量

d=-0.94