Python Data Science 简明教程

Python - P-Value

p 值与假设的力度有关。我们基于某些统计模型构建假设，并使用 p 值比较模型的有效性。获得 p 值的一种方法是使用 T 检验。

这是一种针对空假设的双边检验，即独立观测样本 “a” 的期望值（平均值）等于给定的总体平均值 “ popmean ”。让我们考虑以下示例。

from scipy import stats
rvs = stats.norm.rvs(loc = 5, scale = 10, size = (50,2))
print stats.ttest_1samp(rvs,5.0)

上述程序将生成以下输出。

Ttest_1sampResult(statistic = array([-1.40184894, 2.70158009]),
pvalue = array([ 0.16726344, 0.00945234]))

Comparing two samples

在以下示例中，有两个样本，它们可以来自相同或不同分布，我们希望测试这些样本是否具有相同的统计特性。

ttest_ind − 计算两个独立分数样本均值的 T 检验。这是一个双侧检验，用于检验两个独立样本具有相同的平均（预期）值的原假设。此检验默认情况下假设总体具有相同的方差。

如果我们观察到来自相同或不同总体中的两个独立样本，我们可以使用此检验。让我们考虑以下示例。

from scipy import stats
rvs1 = stats.norm.rvs(loc = 5,scale = 10,size = 500)
rvs2 = stats.norm.rvs(loc = 5,scale = 10,size = 500)
print stats.ttest_ind(rvs1,rvs2)

上述程序将生成以下输出。

Ttest_indResult(statistic = -0.67406312233650278, pvalue = 0.50042727502272966)

您可以使用长度相同但具有不同均值的新数组来测试相同的内容。在 loc 中使用不同的值并测试相同的内容。