假设检验

import scipy

一、卡方检验

卡方验证可以解决两组离散变量的相关性， 常用于建模中，研究某个字段是否对离散型的预测目标有影响

chi2, p, dof = stats.chi2_contingency(两组数据array）
统计量 p值 自由度

二、T检验

t检验：

–用于对各变量系数显著性检验
–用于检查假设的期望和抽样的样本期望是否一致
–用于小样本

判断标准：一般用p值 0.05来衡量

小于0.05 显著
大于0.05不显著

2.1 单样本T检验-ttest_1samp

stats.ttest_1samp(要检验的样本数据，假设的期望值)

2.2 两独立样本t检验-ttest_ind

条件：（两组样本具有相同的方差， 如果方差不同需要将equal_val参数设定为“False”）
stats.ttest_ind(rvs1,rvs2)

2.3 配对样本t检验

检验 rvs1 与 rvs2 所代表的总体均值相等
stats.ttest_rel(rvs1,rvs2）

三、z检验

Z检验和t检验其实一样，都是对均值进行检验，但是不一样的地方在于Z检验要求样本量比较大，并且总体方差已知。由于t检验不要求总体方差已知，所以t检验的应用范围比较广。Z检验其实和t检验有相同的计算形式：

z, p = sw.ztest(arr, value=39)

四、F检验（联合假设检验）

检查两组数据的方差是否有显著差异（方差齐性）

stats.levene(rvs1, rvs2)