假设检验的python实现命令——Z检验、t检验、F检验 Z检验
煤矸石砖
statsmodels.st()
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; s7520
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) 返回:
tstat:float,检验统计量;pvalue:float,p值
t检验
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;嘌呤霉素
'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';
返回:
电力系统负荷预测
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:
middsample1,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巴洛特利养母
返回:
tstat:float,检验统计量;pvalue:float,p值