本文介绍了如何使用Python进行T检验，包括单样本均值检验、两独立样本均值检验和配对样本均值检验。通过引入scipy库中的stats模块，可以对数据进行相应的ttest_1samp、ttest_ind和ttest_rel函数调用来完成检验。在进行T检验时，需考虑样本是否符合正态分布或近似正态分布，以及处理nan值的策略。原假设通常为均值相等，若p-value小于0.05，则通常拒绝原假设。
T检验：
使用前提：
当样本符合正态分布或趋近于正太分布时可以使用；
(根据中心极限定理，当样本n>30时，可认为近似符合正态分布)
使用用途：
单样本均值检验
检验的总体方差未知，主要检验单个样本是否和已知的总体均值相等；(python使用 ttest_1samp检验-双边)
两独立样本均值检验
检验两对独立的正太数据或近似正太分布的均值是否相等；(python用ttest_ind检验-双边)
配对样本均值检验
检验一对配对样本均值的差是否等于某一个值；(python用ttest_rel检验-双边)
回归系数的显著性检验
检验回归模型的解释变量对被解释变量是否有显著性影响；
python如何操作t检验？官方文档：https://docs.scipy.org/doc/scipy
原假设H0: μ=μ0
备择假设H1：μ≠μ0
(备注：统计学中，检验得到的p-value值，如果小于0.05&
最低0.47元/天 解锁文章
扫一扫
7万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
