利用python进行假设假设检验

这篇文章通过一个实列来介绍如何利用python来进行假设检验。上一篇文章中，我们介绍了假设检验就是将所要验证的假设分成两个对立的假设，然后验证哪一个假设成立的概率要大一点。这里我将会介绍专业人员验证假设的两种方法：

1. 第一种方法，利用置信区间。首先模拟统计量的抽样分布，然后对比我们的假设和抽样分布中的情况是否一致。
2. 第二种方法，模拟零假设。首先我们假设零假设为真，然后依此模拟统计量分布，最后观察得到的数据是否一致。

数据介绍和确立假设

本文利用的数据是一份关于人们喝咖啡的数据，包含每一个人的身高、是否喝咖啡等信息。这里展示了头部的5条数据：

我们好奇的一个问题是这些喝咖啡人的平均身高是否大于70英寸（1.75米），也就是我们想验证这个总体中的身高均值是否大于70英寸。所以我们可以设立假设有（μ代表身高的平均值）：

H0: μ≤70 H1: μ＞70

利用置信区间

为了验证关于总体参数的假设，我们需要从总体中抽取样本进行检验。第一个方法是通过构造统计量的抽样分布，查看置信区间，并与假设进行对比。具体过程可以概括为：

1. 对从总体中抽取出来的样本进行多次自助抽样，得到一个样本集。
2. 对样本集中，每一次自助抽样的样本，计算其中身高的均值。
3. 用这些均值构建样本均值的抽样分布。
4. 根据特定的置信水平，从抽样分布中，为总体均值确定置信区间。

具体代码实现过程如下：

1. 先导入相应的包

import pandas as pd
import numpy ad np
import matplotlib.pyplot as plt
%matplotlib inline

2. 导入数据

df=pd.read_csv('coffee_dataset.csv')

3. 从数据中随机抽取150个样本

np.random.seed(42) #设置种子
sample_df<