python假设检验--一个总体参数的检验（方差）

方差检验

公式

${\chi }^2=\frac{(n-1)s^2}{{\sigma }^2}$

例：

某厂商生产出一种新型的饮料装瓶机器，按设计要求，该机器装一瓶1000ml的音量误差上下不超过1ml。如果达到设计要求，表明机器的稳定性非常好。现从该机器装完的产品中随机抽取25瓶，分别进行测定（用样本观测值分别减1000ml），得到如下：

import pandas as pd
import numpy as np
import scipy as sp
from scipy import stats


data = pd.Series([0.3,-0.3,-1.3,-0.6,-0.5,-0.4,-1.5,0.7,0.7,1,-0.7,0.6,1,-1.5,-0.2,1.4,-0.9,-0.5,-0.2,-0.6,-0.6,1.3,0,-1.9,1.1])

试以a=0.05的显著性水平检验该机器的性能是否达到设计要求。

假设：

$H_0:{\sigma }^2\le 1$

$H_1:{\sigma }^2>1$

单侧检验

# 由题可得出

n = len(data)

s_2 = data.var()

sigma_2 = 1

a = 0.05

#计算${\chi }^2分布值$

# 自由度
df = n-1
# 计算分布值
X2_a = stats.chi2.isf(a,df)
X2_a

36.415028501807306

计算统计量

X2 = (n-1)*s_2/sigma_2
X2

20.781599999999997

依据统计量决策

if abs(X2)<abs(X2_a):
    print('不能拒绝H0，差异不显著')
if abs(X2)>abs(X2_a):
    print('拒绝H0，接受H1')

不能拒绝H0，差异不显著

计算p值

p_value = stats.chi2.sf(X2,df)
p_value

0.6515734165453362

依据p值决策

if p_value > a :
    print('不能拒绝H0，差异不显著')
    
if p_value < a :
    print('拒绝H0，接受H1')

不能拒绝H0，差异不显著