四、假设检验之参数估计（一）

两变量关系综述

参数估计

• 描述性统计是判断两个变量之间有没有关系
• 假设检验是根据所得到的关系，判断其关系有没有意义。
  整个统计学的检验是通过检验不同分组的均值的差值是否为0来判断两个变量之间是否有关系。

核心思路

• 第一步：描述性统计判断两变量之间的关系，即一个变量发生变化，另外一个变量发生均值上的变化则有关系。
• 第二步：两个变量有关系，则两个变量是不独立的，则变量X可以预测变量Y，则Y和X必然可以建立起一个函数关系。

统计分析的检验方法

-	分类变量	连续变量
分类变量	交叉表分析 卡方检验	两样本T检验（二分类）方差分析(多分类)
连续变量	两样本T检验（二分类）方差分析(多分类)	相关分析

基本介绍

统计检验的数据一个来自数据，一个来自假设。
得到的数据永远都是样本数据，一般不会拿到所有数据。（除对历史进行预测）

-	总体参数	样本统计量
均值	μ	$\stackrel{-}{x}$
方差	${\sigma }^2$	$S^2$
标准差	$\sigma$	S

样本的统计量是随机变量，因为样本数据是随机的。

点估计

样本均值$\stackrel{-}{x}$ 估计 μ：
$$\stackrel{-}{x}=\frac{1}{n}\sum _{i=1}^n{X}_i$$
样本方差 S 估计 $\sigma$：
$$S^2=\frac{1}{n-1}\sum _{i=1}^n(X_i-\stackrel{-}{x}{)}^2$$

区间估计

置信度：总体的均值落在区间之内的概率。
以正态分布为例，以样本均值为中心，一倍标准差概率为68%，两倍标准差是95%，三倍标准差是99%。

• 进行区间估计是在数据满足正态分布的情况下进行，若数据呈正态分布，其均值也一定呈正态分布。
• （中心极限定理） 如果数据不满足正态分布，那么当数据是独立同分布的且数据样本量足够大（>30个样本量），则均值满足正态分布。

求解置信区间

步骤一： 求解样本均值$\stackrel{-}{x}$和样本的标准差S

步骤二： 根据标准差S求解样本的均值标准差$S_{\stackrel{-}{x}}$（即标准误） $$S_{\stackrel{-}{x}}=\frac{S}{\sqrt{n}}$$
其中S:总体标准差，n:每次抽取的样本量

步骤三： 得知置信区间（$\stackrel{-}{x}-n{S}_{\stackrel{-}{x}}$,$\stackrel{-}{x}+n{S}_{\stackrel{-}{x}}$）,n自定义

案例 - 北京房价增长情况

• 1 导入样本数据：房屋小区 + 增长率

#导入数据
import os
os.chdir(r'E:\脚本\6inference')

import pandas as pd
house_price_gr=pd.read_csv(r'house_price_gr.csv',encoding='gbk')
house_price_gr

• 2 计算样本均值，得到11.0061%

#描述性统计
house_price_gr.describe(include='all')

• 3 绘图看分布情况，判断是否符合正态分布

get_ipython().magic('matplotlib inline')
import seaborn as sns
from scipy import stats

sns.distplot(house_price_gr.rate, kde=True, fit=stats.norm)

• 4 计算置信区间

# 设定95%的置信区间
se = house_price_gr.rate.std() / len(house_price_gr) ** 0.5  #计算标准误
LB = house_price_gr.rate.mean() - 1.98 * se# 设定下限：数据均值 - 2*标准误
UB = house_price_gr.rate.mean() + 1.98 * se#设定上限：数据均值 + 2*标准误
(LB, UB)

Out[1]:(0.10337882853175007, 0.11674316487209624)

综上所述，样本选取了150个小区的房价增长率，得到房价同比增长率均值为11%，95%的置信区间为(0.10337882853175007, 0.11674316487209624)，所以北京市房价同比增长率（样本均值）<10.3%的概率不超过2.5%。