python做显著性检验,python T检验

　　你需要numpy图书馆。

　　将numpy作为np导入

　　将scipy.stats作为统计数据导入

　　将scipy.optimize作为选项导入

　　首先，让我们创建两个数组作为测试数据。

　　n=200

　　Norm _ dist=stats.norm (loc=0.5，scale=10) #构造一个均值为0.5，标准差为10的正态分布。“标准差”也叫“均方差”，是方差的根数。

　　Dat=norm_dist.rvs(size=n) #随机取200分

　　print(数据的平均值是： str(np.mean(dat)))

　　print(数据的中位数是： str(np.median(dat)))

　　Print(数据的标准差为： str (NP。STD (DAT)) #因为这200个点是随机得到的，可能和原来的正态分布有些出入。

　　norm_dist2=stats.norm(loc=0.2，scale=1)

　　DAT=norm _ dist2.rvs (size=n/2) #随机选择100个点

　　print(数据的平均值是： str(np.mean(dat2)))

　　print(数据的中位数是： str(np.median(dat2)))

　　print(数据的标准偏差为： str(np.std(dat2)))

　　分析这两个数组的差异——两个样本的T检验。

　　stat_val，p_val=stats.ttest_ind(dat，dat2，equal_var=False)

　　#查看两种分布的平均值是否有显著差异

　　#注意我们这里生成的第二组数据的样本量和方差不等于第一组的，所以应用T检验时需要Welch的T检验。

　　#即指定了ttest_ind中的equal_var=False。

　　print(双样本t统计量D=%6.3f，p值=%6.4f % (stat_val，p_val))

　　计算两个序列的相关性，做显著性检验。

　　将scipy.stats作为统计数据导入

　　x=[76，81，78，76，76，78，76，78，98，88，76，66，44，67，65，59，87，77，79，85，68，76，77，98，99，98，87，67，78]

　　y=[43，33，23，34，31，51，56，43，44，45，32，33，28，39，31，38，21，27，43，46，41，41，48，56，55，45，68，54，33]

　　r，p=stats.pearsonr(x，y)

　　[out]:(0.39341862097439129，0.0332953336)

　　相关系数为0.39，表明两个序列之间存在一定的相关性。

　　p值为0.035，表明结果具有统计学意义。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。