p值与假设的强度有关,无涯教程基于一些统计模型创建假设,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。
这是对原假设(独立假设样本" a"的期望值(均值)等于给定总体均值 popmean )的原假设的双向检验。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)
上面的程序将产生以下输出。
Ttest_1sampResult(statistic=array([-1.40184894, 2.70158009]), pvalue=array([ 0.16726344, 0.00945234]))
在以下示例中,有两个样本,它们可以来自相同或不同的分布,想测试这些样本是否具有相同的统计属性。
ttest_ind -为两个独立的得分样本的平均值计算T检验。这是针对零假设的两个方面的检验,即两个独立样本的均值相同。此测试假设默认情况下总体具有相同的方差。
如果观察到来自相同或不同总体的两个独立样本,则可以使用此检验。让无涯教程考虑以下示例。
链接:https://www.learnfk.comhttps://www.learnfk.com/python-data-science/python-p-value.html
来源:LearnFk无涯教程网
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)
上面的程序将产生以下输出。
Ttest_indResult(statistic=-0.67406312233650278, pvalue=0.50042727502272966)
您可以使用具有相同长度但均值不同的新数组来测试相同对象。在 loc 中使用其他值并进行测试。
祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)