T-检验：python的脚本实现

1.首先简述一下什么是T-检验，主要转自：https://www.jianshu.com/p/46d9b111dffc

T检验是用于两个样本（或样本与群体）平均值差异程度的检验方法。它是用T分布理论来推断差异发生的概率，从而判定两个平均数的差异是否显著。

T检验的应用条件：

（1）当样本例数较小时，要求样本取自正态总体；

（2）做两样本均数比较时，还要求两样本的总体方差相等。

T检验的用途：（1）样本均数与群体均数的比较；（2）两样本均数的比较。

假设检验可以分为三步：（1）建立检验假设和确定检验水准；（2）选定检验方法和计算检验统计量；（3）确定P值和做出推断结论。

检验假设是针对总体特征而言，包括相互对立的两个方面，即两种假设：一种是无效假设或称原假设、零假设，符号为H0，它是要否定的假设；另一种是备择假设，记为H1，它是H0的对立面。二者是从反证法的思想提出的， H1和H0是相互联系、又相互对立的假设。
假设检验还需根据不同研究目的事先设置是否拒绝原假设的判断标准，即检验水准。检验水准也称显著性水准，它指无效假设H0为真，但被错误地拒绝的一个小概率值，一般取检验水准α =0.05。

python代码实现：

from scipy import stats  #t检验主要使用的就是scipy模块

1.两独立样本的T检验（ttest_ind）

stats.levene(d1,d2)    #首先确定两个样本是否具有方差齐性，如果P值远大于0.05，那么我们认为两样本具有方差齐性

当两样本具有方差齐性时：

stats.ttest_ind(d1,d2)  

Ttest_indResult(statistic=-0.035024618804336, pvalue=0.9723189174881) #结果p值大于0.05，则认为两样本没有显著性差异

当两样本不具有方差齐性时：

stats.ttest_ind(d1,d2,equal_var=False)  #需要加上equal_var参数并设定为False

2.配对样本T检验（ttest_rel）

使用ttest_rel()函数可以进行配对样本T检验。

stats.ttest_rel(d1,d2)

Ttest_relResult(statistic=-0.656400168907, pvalue=0.5474067901513)  #结果类似这样

本博主新开公众号， 希望大家能扫码关注一下，十分感谢大家。

 

本文主要参考：https://blog.csdn.net/qq_28392015/article/details/85241649