假设检验的python实现命令——Z检验、t检验、F检验

Z检验

statsmodels.stats.weightstats.ztest()

import statsmodels.stats.weightstats as sw

参数详解：

x1:待检验数据集；

x2:待检验数据集；默认为None，双样本检验时不为None；

value:在一个样本中，value是原假设下x1的均值。在两个样本中，value为原假设下x1均值与x2均值之差；

alternative:str,默认为'two-sided',双尾检验；右尾检验，'larger';左尾检验，'smaller'；

usevar:str,默认为'pooled',此时认为样本的标准偏差是相同的；

ddof:int;自由度,用于计算方差的平均估计。在比较的情况下，这是一个，但它可以调整，以测试其他统计数据(比例，相关性)(这个解释翻译自官网，我不常用，就没有深究）

官网详解

返回：

tstat:float,检验统计量；pvalue:float,p值

t检验

stats.ttest_ind()

from scipy import stats

用途：

两个独立样本的均值检验

参数详解：

a,b:待检验的两个数据集；

axis:计算时所沿的轴，这个一般不用特殊设置；

equal_var:如果为True（默认值），则执行一个标准的独立2样本检验，该检验假定总体方差相等。如果为False，则执行Welch的t检验，该检验不假定总体方差相等;

nan_policy:定义当输入包含nan时如何处理。可以使用以下选项（默认为'propagate'）：'propagate'：返回nan; 'raise'：抛出一个错误; 'omit'：执行计算时忽略nan值

alternative:str,默认为'two-sided',双尾检验；右尾检验，'greater';左尾检验，'less'；

官网详解

返回：

tstat:float,检验统计量；pvalue:float,p值

F检验

stats.levene()

from scipy import stats

用途：

方差齐性检验，用于t检验中方差未知的情况

参数详解：

sample1,sample2···:待检验数据集；

center:默认为'median',还可以选'mean'和'trimmed';这个参数我不懂

proportiontocut: 显著性水平，默认为0.05

官方详解

返回：

tstat:float,检验统计量；pvalue:float,p值