统计中的假设检验介绍-t检验-A/B测试及python示例

最新推荐文章于 2024-04-20 15:41:31 发布

白小斗

最新推荐文章于 2024-04-20 15:41:31 发布

阅读量5k

点赞数

分类专栏：知识文章标签：概率论

原文链接：https://zhuanlan.zhihu.com/p/37265478

版权

知识专栏收录该内容

7 篇文章 0 订阅

订阅专栏

写在前面：

假设检验，是根据一定的假设条件，由样本推断总体的一种方法。
标准差和标准误的区别：
1）标准差：一次抽样样本的标准差，反应这些样本的离散程度，用于描述统计；
2）标准误：多次抽样中先计算每一次抽样样本的平均值，然后计算这些均值的标准差，反应的是这些均值之间的离散程度，用于推论统计。
我以前常分不清楚如何定义原假设和备择假设，后来用一个例子才记得比较深刻：就像法庭审判犯人，会首先假设他是一个好人（备择假设），然后提交证据证明他是有罪的（原假设）。

所以假设检验选择原假设和备择假设的原则如下：
1）原假设：想要证明其不好的方向（证明有罪）；
2）备择假设：是想要证明其好的方向（若原假设发生概率比较低，也就是没有充分的理由证明有罪，那就是无罪的）；

以下大部分内容转载：https://zhuanlan.zhihu.com/p/37265478
在此基础上，根据自己的理解思路在结构上略有调整，记录下来以供学习，感谢原作者。

一、假设检验的一般步骤

1、问题是什么

①根据实际问题，确定出零假设H0和备择假设H1。H0和H1互为相反，非此即彼，不可能同时满足。

②确定检验类型。检验类型包括：单样本t检验、相关配对t检验、独立双样本t检验。

③均值的抽样分布。

当小样本时，即样本容量n<30，假如总体近似服从正态分布，则均值的抽样分布为t分布；
当大样本时，即样本容量n>=30，无论总体为何分布，均值的抽样分布均为正态分布。（中心极限定理）

④确定检验方向。看备择假设H1的描述：

如果H1中包含小于号"<"，则为左尾；
如果H1中包含大于号">"，则为右尾；
如果H1中包含不等号"≠"，则为双尾。

检验类型及检验方向的判定，总结为下表：
检验类型和检验方向

2、证据是什么

有一种说法：假设检验就是个p（不是拍马屁的屁哦）

没错，假设检验最核心的步骤就是计算p值，什么是p值呢？

p值就是：在零假设H0成立的条件下，出现样本均值的概率是多少。

t检验的p值计算过程：

方法一：根据样本均值和标准误，结合抽样分布类型，先计算出检验统计量和自由度，手动查表计算p值；

方法二：使用Python的科学计算包scipy自动计算检验统计量和p值。

3、判断标准是什么

显著性水平α，由人为根据实际情况主观指定，常用的显著性水平α=0.05。

4、得出结论

根据检验是单尾还是双尾，用最终的p值与α值做比较：

当p<=α时，拒绝零假设H0，接受备择假设H1；
当p>α时，没有充分的证据拒绝零假设（倾向于接受H0，但需要进一步证据）。

二、假设检验报告的一般格式简介

1、描述统计分析

对样本数据进行描述统计，报告平均值和标准差。

2、推论统计分析

报告假设检验结果：采用APA格式，需要报告检验类型、抽样分布类型、检验方向、检验统计量、p值、显著性水平α；
报告置信区间：根据APA格式，需要报告置信区间的类型、置信水平、区间上下限；
报告效应量：效应量代表实际效果是否显著，包含两种度量方法：
①差异度量Cohen’s d = (样本均值1-样本均值2)/标准差；
②相关度r^2 = t^2/(t2+df)，df是自由度

示例：
在这里插入图片描述

三、单样本t检验

以一个示例来了解：汽车引擎排放标准

汽车引擎是否满足排放标准？
“Super Engine”是一家专门生产汽车引擎的公司，根据政府发布的新排放要求，引擎排放平均值要低于20ppm。公司制造出10台引擎供测试使用，每一台的排放水平如下：
15.6 16.2 22.5 20.5 16.4 19.4 16.6 17.9 12.7 13.9
问题：公司生产的引擎是否符合政府规定呢？

准备基础数据：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
from scipy import stats #科学计算包

#样本数据集
sample=pd.Series([15.6,16.2,22.5,20.5,16.4,19.4,16.6,17.9,12.7,13.9])

1、描述统计分析

#描述统计分析
sample_mean=sample.mean()#样本均值
sample_std=sample.std()#样本标准差
print('样本均值：%.2f' %sample_mean, '单位：ppm')
print('样本标准差：%.2f' %sample_std, '单位：ppm')

输出：
在这里插入图片描述
2、推论统计分析

A、假设检验：

1）问题是什么？
在这里插入图片描述

小样本的抽样分布是否满足t分布使用条件（总体近似正态）？因总体未知，此处只能通过样本数据的可视化分布，大致推断总体是否服从单峰的正态分布。

'''
唯一需要确定的问题：总体分布是未知的，要通过样本数据估计总体的分布，采用可视化方法粗略查看;
通过sns.distplot方法绘制直方图和核密度（kde）曲线图
'''
sns.set(font='SimHei')  # 解决Seaborn中文显示问题
sns.distplot(sample)
plt.title('样本集分布')

在这里插入图片描述
通过观察样本集分布，可以看出总体近似服从正态分布。

总结：定义了零假设和备择假设，确定了检验类型为单样本t检验中的左尾检验，自由度df=9。

2）证据是什么？

证据就是计算p值（零假设成立的前提下，出现样本均值的概率。

#计算P值
'''
stats.ttest_1samp()，第一个参数：样本数据；第二个参数：总体均值
计算结果：第一个值表示t值，第二个值表示双尾的p值
'''
pop_mean=20
t, p_2tailed=stats.ttest_1samp(sample, pop_mean)

print('t值：t=%.2f,\n双尾p值：p_2tailed=%f' %(t, p_2tailed))

输出：
在这里插入图片描述
由于该例属于单尾检验，所以最终的p值需要双尾p值除以2：

#因为此处为单位（左尾）检验，最终的p值为双尾p值的一半
p_1tail=p_2tailed/2
print('左尾检验的p值是：%f' %p_1tail)

输出：
在这里插入图片描述
3）判断标准是什么？

常用的显著性水平α=5%

alpha=0.05

4）结论是什么？

单尾p值与显著性水平α作比较：当p<=α时，拒绝零假设H0，接受备择假设H1；当p>α时，没有充分的证据拒绝零假设（倾向于接受H0，但需要进一步证据）。

'''
左尾判断条件：t<0，且单位p值<alpha
右尾判断条件：t>0, 且单尾p值<alpha
'''
if(t<0 and p_1tail<alpha):
    print('统计显著，拒绝零假设，接受备择假设。即：汽车引擎排放<20ppm，满足标准。')
else:
    print('没有充分的证据证明汽车引擎满足排放标准。')

输出：
在这里插入图片描述
B、置信区间：

置信区间在不同的置信水平下有不同的“宽度”，此处置信水平为95%。

#置信区间，在不同的置信水平下有不同的“宽度”，取置信水平为95%
'''
第一个参数代表置信水平：1-0.05=0.95
第二个参数代表自由度：df=n-1=9
第三个参数代表样本均值sample_mean
第四个参数代表样本标准误：se
'''
confidence=1-alpha
df=9
loc=sample_mean
scale=stats.sem(sample)
CI=stats.t.interval(confidence,df,loc,scale)
print('95%置信区间CI=',CI)

输出：
在这里插入图片描述
C、效应量：

当假设检验具有统计显著的结论时，需要进一步研究是否具有实际意义，即实验结果是否“效果显著”？衡量效果显著用Cohen’s d指标，它表示：样本均值1与样本均值2，差异有几个标准差。差异大小的衡量标准如下：
在这里插入图片描述

#效应量:当假设检验具有统计显著的结论时，需要进一步研究是否具有实际有意义，即实验结果是否“效果显著”,衡量效果显著用Cohen's d指标。
#它表示：样本均值1和样本均值2差距了几个标准差，差距的大小衡量标准是：0.2以内为小；0.5以内为中；0.8以内为大。
Cohen=(sample_mean-20)/sample_std
print('Cohen\'s值=',Cohen,',效果显著。')

输出：
在这里插入图片描述
3、关于“汽车引擎是否满足排放标准”的整体数据分析报告如下：

（说明：以下截图中的数值跟文中代码运行出来的结果略不同，这是因为我用的数据略有不同，此处只要了解下面的报告形式中包含哪些内容即可）
在这里插入图片描述

四、相关配对t检验

同样的，以一个示例来了解：斯特鲁普效应验证

验证斯特鲁普效应是否存在？
斯特鲁普效应是著名的心理学现象，展示了人们对事物的认知过程是一个自动化的历程。当有一个新的刺激出现时，如果它的特征和原先的刺激相似或符合一致，便会加速人们的认知；反之，若新的刺激特征与原先的刺激不相同，则会干扰人们的认知，使人们的反映时间变长。
通过网上的stroop实验做测试人的反应时间斯特鲁普效应，每名参与者得到两组有颜色的文字，第一组数据是字体内容和字体颜色一致，第二组数据是字体内容和字体颜色不一致。每名参与者对每组文字说出文字的颜色，并分别统计完成每组的时间。
问题：验证斯特鲁普效应的存在（不一致组反应时间均值比一致组反应时间均值长）

准备基础数据：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
from scipy import stats #科学计算包

#导入数据
data=pd.read_csv('./stroop.csv',encoding='GBK')

#再拼接补充两次实验数据上去
mytest=pd.DataFrame({'Congruent':[20.158,17.189,10.279],'Incongruent':[22.279,19.299,11.192]})
data=data.append(mytest,ignore_index=True)

data.head()

在这里插入图片描述

1、描述统计分析

#第一组均值和标准差：
con_mean=data['Congruent'].mean()
con_std=data['Congruent'].std()

#第二组均值和标准差：
incon_mean=data['Incongruent'].mean()
incon_std=data['Incongruent'].std()

print('第一组的均值是：%.2f, 标准差是： %.2f' %(con_mean, con_std))
print('第二组的均值是：%.2f, 标准差是： %.2f' %(incon_mean, incon_std))

输出：
在这里插入图片描述
2、推论统计分析

A、假设检验：

1）问题是什么？
在这里插入图片描述
相关配对检验关心的是两组成对数据的差值，因此需先构造出差值数据：

#相关配对检验的套路，先计算差值列
data['difference']=data['Congruent']-data['Incongruent']
data.head()

在这里插入图片描述
假设检验中的t检验，需要总体满足近似正态分布的条件，但总体未知，可以从样本数据的核密度图粗略估计：

'''
唯一需要确定的问题：
总体分布位置，通过样本数据估计总体分布
采用可视化方法粗略查看
通过sns.distplot方法绘制直方图和核密度（kde）曲线图
'''
sns.set(font='SimHei')
plt.rcParams['axes.unicode_minus']=False 

sns.distplot(data['difference'])
plt.title('配对差值数据分布')

在这里插入图片描述

通过观察样本集配对差值数据的分布，可以看出总体近似服从正态分布。

总结：定义了零假设和备择假设，确定了检验类型为相关配对t检验中的左尾检验，自由度df=n-1=9。

2）证据是什么？

证据就是计算p值（零假设成立的前提下，出现样本均值的概率）。

#计算检验统计量和p值
#使用scipy包自动计算，结果输出2个值：t和双尾的p值
t, p_2tailed= stats.ttest_rel(data['Congruent'], data['Incongruent'])
print('t值：t=%.2f, 双尾p值：p_2tailed=%.5f' %(t, p_2tailed))

输出：
在这里插入图片描述
由于该例属于单尾检验，所以最终的p值需要双尾p值除以2：

#此处为单尾（左尾）检验，最终的p值为双尾p值的一半
p_1tail=p_2tailed/2
print('左尾检验的p值：p_1tail=',p_1tail)

输出：
在这里插入图片描述
3）判断标准是什么？

常用的显著性水平α=5%

alpha=0.05

4）结论是什么？

'''
左尾判断条件：t<0，且单位p值<alpha
右尾判断条件：t>0, 且单尾p值<alpha
'''
alpha=0.05
if(t<0 and p_1tail<alpha):
    print('统计显著，拒绝零假设，接受备择假设。即：u1<u2，斯特鲁普效应存在。')
else:
    print('没有充分的证据证明汽车引擎满足排放标准。')

输出：
在这里插入图片描述
B、置信区间：

置信区间在不同的置信水平下有不同的“宽度”，此处置信水平为95%。

'''
第一个参数代表置信水平：1-0.05=0.95
第二个参数代表自由度：df=n-1=9
第三个参数代表样本均值sample_mean
第四个参数代表样本标准误：se
'''
confidence=1-alpha
df=data.shape[0]-1
sample_mean=data['difference'].mean()
se=stats.sem(data['difference'])
CI=stats.t.interval(confidence,df,sample_mean,se)
print('95%置信区间CI=',CI)

输出：
在这里插入图片描述
C、效应量：

当假设检验具有统计显著的结论时，需要进一步研究是否具有实际意义，即实验结果是否“效果显著”？衡量效果显著用Cohen’s d指标，它表示：样本均值距总体均值几个标准差，代表差异是否显著：

#用Cohen's d指标：样本均值距离总体均值几个标准差，代表差异是否显著
#总体均值
pop_mean=0
#样本标准差
sample_std=data['difference'].std()
d=(sample_mean-pop_mean)/sample_std
print('效应量 d=%.2f' %d)

输出：
在这里插入图片描述
效果显著。

3、关于“验证斯特鲁普效应存在性”的整体数据分析报告如下：

五、独立双样本t检验（A/B测试）

同样的，以一个示例来了解：

验证两款键盘布局对用户体验性是否有差别？
两款键盘布局不一样的手机应用(A版本，B版本)，你作为公司的产品经理，想在正式发布产品之前，知道哪个键盘布局对用户体验更好？
随机抽取实验者，将实验者分成2组，每组25人，A组使用键盘布局A，B组使用键盘布局B。让他们在30秒内打出标准的20个单词文字消息，然后记录打错字的数量。
问题：两种版本布局是否用户体验显著不同，哪种更好？
在这里插入图片描述
准备基础数据：

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
from scipy import stats #科学计算包

#导入excel数据
data=pd.read_excel('./键盘AB测试.xlsx','Sheet1')
#data.dtypes
data.head()

在这里插入图片描述
1、描述统计分析

#A组平均值和标准差
a_mean=data['A'].mean()
a_std=data['A'].std()

#B组平均值和标注差
b_mean=data['B'].mean()
b_std=data['B'].std()

print('A组受试者使用A版本打错字个数的平均值=%.2f个，标准差=%.2f个。' %(a_mean, a_std))
print('B组受试者使用B版本打错字个数的平均值=%.2f个，标准差=%.2f个。' %(b_mean, b_std))

输出：
在这里插入图片描述
2、推论统计分析

A、假设检验：

1）问题是什么？
在这里插入图片描述
假设检验中的t检验，需要总体满足近似正态分布的条件，但总体未知，可以从样本数据的核密度图粗略估计：

'''
唯一需要确定的问题：
总体分布未知，通过样本数据估计总体分布
采用可视化方法粗略查看
通过sns.distplot()查看直方图和和密度曲线
'''
sns.set(font='SimHei')
#plt.rcParams['axes.unicode_minus']=False 

fig=plt.figure(figsize=(10,4))#画布大小

ax1=fig.add_subplot(121)#图标位置1
ax2=fig.add_subplot(122)#图表位置2

sns.distplot(data['A'], ax=ax1)
sns.distplot(data['B'], ax=ax2)
ax1.set_title('A组数据分布')
ax2.set_title('B组数据分布')

在这里插入图片描述
由两样本数据集的分布情况可粗略估计，其所在的总体也近似服从正态分布，故抽样分布满足t分布使用条件。

在做独立双样本t检验之前，需要先做方差分析（F检验），判断两总体方差是否显著不同，我们称该操作为：方差齐性检验。方差相同情况为“等方差”，方差不同情况为“异方差”。两种情况下，计算的检验统计量t值和自由度df会存在差异。

'''
F检验也是假设检验，一般步骤相同，此处省略介绍：
H0：两总体方差相同，即var1=var2
H1：两总体方差不同，即var1≠var2
显著性水平alpha=0.05
'''
#样本方差
a_var=data['A'].var()
b_var=data['B'].var()

#样本大小
n1=data['A'].shape[0]
n2=data['B'].shape[0]

#两样本的自由度
df_a=n1-1
df_b=n2-1

#计算F值，保证分母>分子
if a_var>b_var:
    F=a_var/b_var
else:
    F=b_var/a_var

print('A组方差：%f, B组方差：%f' %(a_var, b_var))
print('F值为%.2f' %F)

输出：
在这里插入图片描述

'''
计算F检验的p值，函数参数（F值，分母自由度，分子自由度）
'''
p_value=stats.f.sf(F, df_b, df_a)
print('F检验的p值为：p_value=%f' %p_value)

输出：
在这里插入图片描述

'''
判断统计显著性
p值和alpha值比较
'''
alpha=0.05
if p_value<alpha:
    print('统计显著，两总体方差显著不同：a_var≠b_var')
else:
    print('统计显著，两总体方差显著不同：a_var=b_var')

在这里插入图片描述
补充：单纯的方差齐性检验也可通过下面3种方法得到结果：

'''
下面是集中更加简便的F检验方法，还可以处理样本容量不同的情况：
'''
# 1、bartlett检验，单纯检验方差齐性
stats.bartlett(data['A'], data['B'])
#Out[171]：BartlettResult(statistic=1.4790938519123384, pvalue=0.22391635140432728)

# 2、非参数方法，检验方差齐性
stats.fligner(data['A'], data['B'])
#Out[172]：FlignerResult(statistic=2.3360209546187556, pvalue=0.12641208637572499)

# 3、levene检验，比bartlett方法更加鲁棒
stats.levene(data['A'], data['B'])
#Out[173]：LeveneResult(statistic=2.417040358744396, pvalue=0.1342905006532883)

# 4、或者通过可视化的方法粗略估计：
'''
此处还可通过可视化的方法，粗略判断方差齐性
查看箱线图盒子的宽度
此处盒子宽度近似相等
'''
sns.boxplot(data=data)
plt.title('A、B两组样本数据箱线图')

在这里插入图片描述

无论以上哪种方法做方差齐性检验，均得到p值大于显著性水平α的结果，证明两总体等方差a_var = b_var。

总结：定义了零假设和备择假设，确定了检验类型为独立双样本t检验，双尾检验，经方差齐性检验，两总体方差相同，自由度df=n1+n2-2=22

2）证据是什么？

计算检验统计量和p值.

'''
独立双样本t检验stats.ttest_ind()无法返回自由度数值
这里用一个进化版的统计报，可以返回更多有用信息
'''
import statsmodels.stats.weightstats as st
'''
函数参数usevar=‘unequal’异方差；usevar='pooled'等方差
返回值：
第一个值：假设检验的t值
第二个值：双尾的p值
第三个值：整体自由度
'''
t,p_2tailed,df=st.ttest_ind(data['A'], data['B'],usevar='pooled')

print('检验统计量t值=%f,双尾p值=%f，整体自由度=%.1f'%(t, p_2tailed, df))

输出：
在这里插入图片描述
3）判断标准是什么？

常用的显著性水平α=5%

alpha=0.05

4）结论是什么？

'''
双尾判断条件：p<alpha，统计显著，拒绝零假设，接受备择假设
'''
alpha=0.05
if p_2tailed<alpha :
    print('统计显著，拒绝零假设，接受备择假设。即：A版本和B版本打错字的均值不相同，两种布局有显著差别。')
else:
    print('统计不限制，不能拒绝零假设，即：A版本和B版本打错字的均值相同，两种布局无显著差别。')

输出：
在这里插入图片描述
B、置信区间：

置信区间在不同的置信水平下有不同的“宽度”，此处置信水平为95%。

#置信区间
confidence=1-alpha
df=data['A'].shape[0]+data['B'].shape[0]-2
sample_mean=a_mean-b_mean
se=np.sqrt(a_std**2/np.sqrt(n1) + b_std**2/np.sqrt(n2))
CI=stats.t.interval(confidence, df, sample_mean, se)
print('置信水平95%CI=',CI)

输出：
在这里插入图片描述
通过读取置信区间的数值，区间边界值均为负值，证明A版本打错字数量均值显著小于B版本，即A布局版本更符合用户体验。

C、效应量：

#效应量
#Cohen's d指标：均值1距均值2几个标准差，代表差异是否显著
'''
d=(样本均值1-样本均值2)/(样本标准差)
由于是独立双样本t检验，样本标准差需要计算出混合标准差：
sp=(((n1-1)*a_std^2+(n2-1)*b_std^2)/(n1+n2-2))^0.5
'''
#混合标准差
sp=np.sqrt(((n1-1)*np.square(a_std)+(n2-1)*np.square(b_std))/(n1+n2-2))

#计算Chohen's d
d=(a_mean-b_mean)/sp

print('效应量：d=%.2f' %d)

输出：
在这里插入图片描述
效果显著。

独立双样本的混合标准差sp的计算公式可参考统计书籍《商务与经济统计第12版》275页最下面；样本均值=样本均值1-样本均值2。

3、关于“两款键盘布局对用户体验性是否有差别”的整体数据分析报告如下：
在这里插入图片描述

六、总结

本文介绍了统计学的重头戏：假设检验的实现方法，重点介绍t检验

1、推论统计分析报告：描述统计+推论统计
2、推论统计分析内容：假设检验+置信区间+效应量
3、假设检验步骤：①问题是什么；②证据是什么；③判断标准是什么；④得出结论
4、确定问题首先根据实际情况，定义互为相反的零假设和备择假设
5、根据数据情况，判定属于哪种检验类型，见下图
检验类型的样本数据集特点
6、判断均值的抽样分布为哪种分布（大样本n>30正态分布；小样本n<30且总体正态，t分布）
7、确定检验方向：左尾？右尾？双尾？
8、计算零假设成立时，出现样本均值的概率：p值
9、p值与显著性水平 α作比较，得出统计显著性结论
10、计算置信度95%的置信区间
11、通过效应量判断效果显著性（有实际意义）
12、来自两个独立总体的样本，在t检验之前，先进行方差齐性检验。

白小斗

关注

0
点赞
踩
9

收藏

觉得还不错? 一键收藏
1
评论
统计中的假设检验介绍-t检验-A/B测试及python示例

写在前面：假设检验，是根据一定的假设条件，由样本推断总体的一种方法。我以前常分不清楚如何定义原假设和被择假设，后来用一个例子才记得比较深刻：就像法庭审判犯人，会首先假设他是一个好人（备择假设），然后提交证据证明他是有罪的（原假设）。所以假设检验选择原假设和备择假设的原则如下：1）原假设：想要证明其不好的方向（证明有罪）；2）备择假设：是想要证明其好的方向（若原假设发生概率比较低，也就是没有充分的理由证明有罪，那就是无罪的）；以下大部分内容转载：https://zhuanlan.zhi
复制链接

扫一扫