常⽤统计⽅法：T检验、F检验、卡⽅检验
介绍常⽤的⼏种统计分析⽅法：T检验、F检验、卡⽅检验 ⼀、T检验
磁选器（⼀）什么是T检验
T检验是⼀种适合⼩样本的统计分析⽅法，通过⽐较不同数据的均值，研究两组数据是否存在差异。主要⽤于样本含量较⼩（例如n < 30），总体标准差σ未知的正态分布。 （⼆）T检验有什么⽤
1.单样本T检验⽤于⽐较⼀组数据与⼀个特定数值之间的差异情况。
样例：难产⼉出⽣数n = 35，体重均值= 3.42，S = 0.40，⼀般婴⼉出⽣体重µ0= 3.30（⼤规模调查获得），问相同否？求解代码：from
scipy
import
品德与社会教学反思
检验⼀列数据的均值与sample的差异是否显著。（双侧检验）若为单侧检验，则将p值除以2
2.配对样本的T检验（ABtest）⽤于检验有⼀定对应关系的样本之间的差异情况，需要两组样本数相等。常见的使⽤场景有：
①同⼀对象处理前后的对⽐（同⼀组⼈员采⽤同⼀种减肥⽅法前后的效果对⽐）；
②同⼀对象采⽤两种⽅法检验的结果的对⽐（同⼀组⼈员分别服⽤两种后的效果对⽐）；
③配对的两个对象分别接受两种处理后的结果对⽐（两组⼈员，按照体重进⾏配对，服⽤不同的，对⽐服药后的两组⼈员的体重）。
AB测试时互联⽹运营为了提升⽤户体验从⽽获得⽤户增长⽽采⽤的精细化运营⼿段，简单的说就是分为A版本和B版本哪个更能吸引⽤户使⽤。
⽬的：检验两个独⽴样本的平均值之差是否等于⽬标值
样例：⽐较键盘A版本和B版本哪个更好⽤，衡量标准：谁在规定时间内打错字少，或者两者差异不⼤
求解代码：ttest_rel(data1,data2) (得出的p值是双侧检验的p 值)
3.独⽴样本的T检验（要求总体⽅差齐性）
检验两T独⽴样本与配对样本的不同之处在于独⽴样本
组数据的样本个数可以不等。
样例：⽐较男⽣与⼥⽣的专业和职业任职得分的均值是否存在显著差异，可采⽤独⽴样本T检验进⾏分析。
求解代码：
from
scipy.stats
import
ttest_ind,
levenelevene(data1,data2)#⽅差齐性检验（pvalue>0.05可以认为⽅差是相等的）
（三）T检验怎么⽤
1.⾸先要明确检验的⽬的，是单样本T检验、配对样本的T 检验还是独⽴样本的T检验。
2.进⾏正态性检验，独⽴样本需要进⾏⽅差齐性检验（观察是否来⾃于同⼀个整体）
3.选择合适的检验⽅法进⾏检验
（四）T检验注意事项
1.⽆论哪种T检验、都要数据服从正态或者近似正态分布。正态性的检验⽅法有：正态图、正态性检验、P-P图/Q-Q 图等。．
2.独⽴样本的T检验，除了要满⾜正态性，还需要满⾜⽅差齐性的前提条件。在⽅差齐性的情况下才可以使⽤T检验，如果⽅差不齐性，则应采⽤校正T检验。
⼆、F检验
（⼀）什么是F检验
⽅差分析就是对试验数据进⾏分析，检验⽅差相等的多个正态总体均值是否相等，进⽽判断各因素对试验指标的影响是否显著。其原理认为不同处理组的均数间的差别基本来源有两个：实验条件和随机误差。其思想为通过分析研究不同来源的变异对总变异的贡献⼤⼩，从⽽确定可控因素对研究结果影响⼒的⼤⼩。
（⼆）F检验有什么⽤1.单因素⽅差分析适⽤于问卷数据和实验数据，实验中只有⼀个因素改变的样本。判断该因素对样本的影响因素是否显著。2.双因素⽅差分析适⽤于实验数据，实验中有两个因素改变的样本。3.多因素⽅差分析适⽤于实验数据，实验中有多个因素改变的样本。
（三）F检验怎么⽤（⽅差齐性检验）1.判断数据类型定性数据⽤卡⽅检验，t检验⼀般⽤来⽐较两个总体的均值是否
相同，⽽单因素⽅差分析可⽤于⽐较多个总体的均值是否相同。2.确定⽅差分析的类型确定实验过程中有⼏种因素发⽣了改变，如只有⼀组，则选择单因素⽅差分析；如有两．组，则选择双因素⽅差分析；如有多组，则选择多因素⽅差分析。3.正态性检验4.⽅差齐性检验5.选择合适的⽅法进⾏检验6.事
社会主义的供养后多重⽐较单因素⽅差分析如果呈现出显著性，说明不同组别之间确实存在显著的差异，事后多重⽐较可以得出出两组间显著差异的⼤⼩。
（四）F检验注意事项1.⽅差分析⽤来分析定量数据的变化情况，可以⽐较2组或多组数据的差异。2.⽅差分析要求样本满⾜正态分布3.⽅差分析的前提是⽅差齐性
三、卡⽅检验
（⼀）什么是卡⽅检验卡⽅检验是⼀种⽤途⼴泛的分析定性数据差异性的⽅法。是⼀种通过频数进⾏检验的⽅法。
（⼆）卡⽅检验有什么⽤1.卡⽅优度检验对⼀列数据进⾏统计检验，分析单个分类变量实际观测的⽐例与期望的⽐例是否⼀致。2.交叉表卡⽅研究两组分类变量的关系：如性别与看不看直播是否有关系。
鼠齿盘
样例：
从某中学随机抽取两个班，调查他们对待⽂理分科的态度，
结果，甲班37⼈赞成，27⼈反对；⼄班39⼈赞成，21⼈反对，这两个班对待⽂理分科的态度是否有显著差异(α
= .05)?
求解代码：
from scipy.stats import chi2_contingency
kf_data = np.array([[37,27], [39,21]])
kf
=
chi2_contingency(kf_datad)print('chisq-statistic=%.4f,
p-value=%.4f, df=%i expected_frep=%s'%kf)
# chisq-statistic=0.4054, p-value=0.5243, df=1
expected_frep=[[39.22580645 24.77419355][36.77419355 23.22580645]]
3.配对卡⽅研究实验过程中，⽤不同⽅法检测同⼀批⼈，看两个⽅法的效果是否有显著差异。（三）卡⽅检验怎么⽤
清明上河图 20131.确定卡⽅检验的类型
2.选⽤合适的⽅法进⾏卡⽅检验
（四）卡⽅检验注意事项
1.需要随机样本数据止水橡皮
2.理论频数不能太⼩
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议