统计学假设检验方法简单介绍

统计学的假设检验方法有以下几种:

1. 单样本 t 检验:用于检验一个样本均值是否与给定的理论值相等。

2. 独立样本 t 检验:用于比较两个独立样本的均值是否相等。

3. 配对样本 t 检验:用于比较同一组样本的两个相关变量的均值是否相等。

4. 卡方检验:用于检验观察频数与理论频数之间是否存在显著差异。

5. 方差分析:用于比较多个样本均值是否相等。

6. 二项式检验:用于检验两个二项分布之间的差异。

7. Wilcoxon 符号秩检验:用于比较两个相关样本的中位数是否相等。

8. Mann-Whitney U 检验:用于比较两个独立样本的中位数是否相等。

9. Kruskal-Wallis H 检验:用于比较多个独立样本的中位数是否相等。

10. Friedman 秩和检验:用于比较同一组样本的多个相关变量的中位数是否相等。

假设检验是统计学中常用的方法之一,可以帮助我们判断样本数据是否支持某个假设,并在科学研究、市场调查、医学实验等领域中起到重要的作用。

独立性假设在统计分析中是难以验证的,通常是在实际问题中假设满足独立性,并进行分析。正态分布假设通常可以通过观察数据的分布情况来初步判断,也可以通过一些统计方法来检验,如Shapiro-Wilk检验或Kolmogorov-Smirnov检验。方差齐性假设可以使用Levene检验或Bartlett检验进行检验。

以下是Python中使用相关代码进行正态分布和方差齐性检验的示例:

```python
import numpy as np
from scipy.stats import shapiro, bartlett# 正态分布检验
data = np.random.normal(loc=0, scale=1, size=100)  # 生成正态分布数据
statistic, p_value = shapiro(data)
print('Shapiro-Wilk正态分布检验结果:')
print('Statistic:', statistic)
print('p-value:', p_value)# 方差齐性检验
group1 = np.random.normal(loc=0, scale=1, size=50)
group2 = np.random.normal(loc=0, scale=1, size=50)
statistic, p_value = bartlett(group1, group2)
print('Bartlett方差齐性检验结果:')
print('Statistic:', statistic)
print('p-value:', p_value)
```

注意:以上示例仅展示了一种方法来进行正态分布和方差齐性检验,实际问题中可能需要根据具体情况选择适宜的检验方法。另外,还可以使用其他统计软件进行检验,如R语言中的相关函数。

1. 单样本 t 检验案例:
假设我们想要检验一家公司员工的平均工资是否等于5000元。我们收集了30个员工的工资数据,并进行单样本 t 检验。代码实现(使用 Python 的 SciPy 库):

```python
import numpy as np
from scipy import stats# 员工工资数据
salaries = [4000, 4200, 4100, 4300, 4500, 4800, 5200, 5300, 4800, 4900,5100, 5000, 4900, 5000, 4800, 5300, 5200, 5100, 5200, 5100,5500, 5000, 5000, 5500, 5400, 5200, 5000, 4800, 4700, 4600]# 进行单样本 t 检验
t_statistic, p_value = stats.ttest_1samp(salaries, 5000)print("t-statistic:", t_statistic)
print("p-value:", p_value)
```

2. 独立样本 t 检验案例:
假设我们想要比较两个班级的学生数学成绩是否有显著差异。我们收集了两个班级各自的学生数学成绩数据,并进行独立样本 t 检验。代码实现(使用 Python 的 SciPy 库):

```python
import numpy as np
from scipy import stats# 班级 A 的学生数学成绩数据
class_a_scores = [80, 85, 90, 75, 95, 85, 80, 90, 88, 92]# 班级 B 的学生数学成绩数据
class_b_scores = [70, 75, 80, 65, 85, 75, 70, 80, 78, 82]# 进行独立样本 t 检验
t_statistic, p_value = stats.ttest_ind(class_a_scores, class_b_scores)print("t-statistic:", t_statistic)
print("p-value:", p_value)
```

3. 配对样本 t 检验案例:
假设我们想要比较一组学生的语文成绩和数学成绩是否有显著差异。我们收集了这组学生的语文成绩和数学成绩数据,并进行配对样本 t 检验。代码实现(使用 Python 的 SciPy 库):

```python
import numpy as np
from scipy import stats# 学生的语文成绩数据
chinese_scores = [80, 85, 90, 75, 95]# 学生的数学成绩数据
math_scores = [70, 75, 80, 65, 85]# 进行配对样本 t 检验
t_statistic, p_value = stats.ttest_rel(chinese_scores, math_scores)print("t-statistic:", t_statistic)
print("p-value:", p_value)
```

这些代码实现了统计学的假设检验方法的一些案例,通过计算 t 统计量和 p 值来得出结论。需要注意的是,这些案例中的数据仅用于示范,实际应用时需要根据具体情况使用真实的数据。

以下是这几种方法在Python中的代码示例:

  1. 卡方检验(使用scipy库):
from scipy.stats import chi2_contingencyobserved = [[10, 15, 20], [30, 25, 20]]
chi2, p_value, _, _ = chi2_contingency(observed)print("Chi-square statistic:", chi2)
print("p-value:", p_value)

  1. 方差分析(使用statsmodels库):
import statsmodels.api as sm
from statsmodels.formula.api import olsdata = pd.read_csv("data.csv")  # 读取数据
model = ols('outcome_variable ~ group_variable', data=data).fit()
anova_result = sm.stats.anova_lm(model)print(anova_result)

  1. 二项式检验(使用scipy库):
from scipy.stats import binom_testp1 = 0.4
n1 = 100
x1 = 35p2 = 0.5
n2 = 100
x2 = 45p_value = binom_test(x1, n1, p1) + binom_test(x2, n2, p2)print("p-value:", p_value)

  1. Wilcoxon 符号秩检验(使用scipy库)
from scipy.stats import wilcoxondata1 = [20, 25, 30, 35, 40]
data2 = [15, 20, 25, 30, 35]statistic, p_value = wilcoxon(data1, data2)print("Wilcoxon statistic:", statistic)
print("p-value:", p_value)

  1. Mann-Whitney U 检验(使用scipy库):
from scipy.stats import mannwhitneyudata1 = [20, 25, 30, 35, 40]
data2 = [15, 20, 25, 30, 35]statistic, p_value = mannwhitneyu(data1, data2)print("Mann-Whitney U statistic:", statistic)
print("p-value:", p_value)

  1. Kruskal-Wallis H 检验(使用scipy库):
from scipy.stats import kruskaldata1 = [20, 25, 30, 35, 40]
data2 = [15, 20, 25, 30, 35]
data3 = [10, 15, 20, 25, 30]statistic, p_value = kruskal(data1, data2, data3)print("Kruskal-Wallis H statistic:", statistic)
print("p-value:", p_value)

  1. Friedman 秩和检验(使用scipy库)
from scipy.stats import friedmanchisquaredata = [[10, 20, 30], [15, 25, 35], [20, 30, 40]]statistic, p_value = friedmanchisquare(*data)print("Friedman chi-square statistic:", statistic)
print("p-value:", p_value)

请注意,这只是提供了一个基本的代码框架示例,你需要根据你的具体数据和假设进行适当的调整。另外,你可能还需要导入其他必要的库和处理数据的步骤。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/623276.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【闪电侠学netty】第10章 实现客户端与服务端收发消息

【Netty】读书笔记 - 跟闪电侠学 1. 内容概要 1.1 总结 1.1.1 该章节的业务逻辑 客户端登录 -- 服务器 登录成功 -- 开启线程 -- 如果登录成功,将输入内容转换成MessageRequestPacket指令发送服务器登录重连(省略) 服务器 -- 处理 …

Python——VScode安装

⼀、下载安装 [root192 ~]# rpm --import https://packages.microsoft.com/keys/microsoft.asc[root192 ~]# sh -c echo -e "[code]\nnameVisualStudio Code\nbaseurlhttps://packages.microsoft.com/yumrepos/vscode\nenabled1\ngpgcheck1\ngpgkeyhttps://packages.mi…

PXIe‑6378国产替代,16路AI(16位,3.5 MS/s/ch),4路AO,48路DIO,PXI多功能I/O模块

PXIe,16路AI(16位,3.5 MS/s/ch),4路AO,48路DIO,PXI多功能I/O模块 PXIe‑6378是一款同步采样的多功能DAQ设备。 该模块提供了模拟 I/O、数字I/O、四个32位计数器和模拟和数字触发。 板载NI‑STC3…

Odrive 学习系列二:将烧录工具从ST-Link V2修改为JLink

一、背景: 通过观察odrive解压后的内容,可以看到在下面配置文件及makefile文件中的配置设置的均为openOCD + stlink v2,例如makefile中: # This is only a stub for various commands. # Tup is used for the actual compilation.BUILD_DIR = build FIRMWARE = $(BUILD_DI…

PCL ISS关键点提取(C++详细过程版)

边界提取 一、概述二、代码实现三、结果展示PCL ISS关键点提取(C++详细过程版)由CSDN点云侠原创,爬虫自重。如果你不是在点云侠的博客中看到该文章,那么此处便是不要脸的爬虫。 一、概述 ISS关键点提取在PCL里有现成的调用函数,具体算法原理和实现代码见:PCL ISS关键点提…

【软件测试】学习笔记-GUI测试稳定性的关键技术

这篇文章将从实际工程应用的角度,探讨GUI测试的稳定性问题。 GUI自动化测试稳定性,最典型的表现形式就是,同样的测试用例在同样的环境上,时而测试通过,时而测试失败。 这也是影响GUI测试健康发展的一个重要障碍&#x…

基于Xilinx K7-410T的高速DAC之AD9129开发笔记(二)

引言:上一篇文章我们简单介绍了AD9129的基础知识,包括芯片的重要特性,外部接口相关的信号特性等。本篇我们重点介绍下项目中FPGA与AD9129互联的原理图设计,包括LVDS IO接口设计、时钟电路以、供电设计以及PCB设计。 LVDS数据接口设…

openssl3.2 - 官方demo学习 - encode - rsa_encode.c

文章目录 openssl3.2 - 官方demo学习 - encode - rsa_encode.c概述笔记END openssl3.2 - 官方demo学习 - encode - rsa_encode.c 概述 命令行参数 server_priv_key.pem client_priv_key.pem 这2个证书是前面certs目录里面做的 官方这个程序有bug, 给出2个证书, 还要从屏幕上输…

Python - 深夜数据结构与算法之 BloomFilter

目录 一.引言 二.BloomFilter 简介 1.Hash Table 2.Bloom Filter 3.Bloom 示意图 4.Bloom 应用 三.Bloom Filter 实现 1.Python 实现 2.Python 测试 四.总结 一.引言 布隆过滤器 BloomFilter 是位运算在工业级场景应用的典范,其通过 bit 位保存元素是否存…

【Python数据可视化】matplotlib之增加图形内容:设置图例、设置中文标题、设置网格效果

文章传送门 Python 数据可视化matplotlib之绘制常用图形:折线图、柱状图(条形图)、饼图和直方图matplotlib之设置坐标:添加坐标轴名字、设置坐标范围、设置主次刻度、坐标轴文字旋转并标出坐标值matplotlib之增加图形内容&#x…

书生·浦语大模型实战营笔记(四)

Finetune模型微调 直接使用现成的大语言模型,在某些场景下效果不好,需要根据具体场景进行微调 增量预训练:投喂垂类领域知识 陈述形式,无问答,即只有assistant 指令跟随:system-user-assistant XTuner …

springboot集成kafka消费数据

springboot集成kafka消费数据 文章目录 springboot集成kafka消费数据1.引入pom依赖2.添加配置文件2.1.添加KafkaConsumerConfig.java2.2.添加KafkaIotCustomProperties.java2.3.添加application.yml配置 3.消费者代码 1.引入pom依赖 <dependency><groupId>org.spri…

yolov7混淆矩阵

测试部分代码 import argparse import json import os from pathlib import Path from threading import Threadimport numpy as np import torch import yaml from tqdm import tqdmfrom models.experimental import attempt_load from utils.datasets import create_dataload…

10.Spring Type Convertion 原理

目录 概述Spring Type Convertion总结Spring MVC层的数据转换debug 关键断点测试代码关键处调试字符串Long结束概述 此篇文章对 Spring Type Convertion 做深入学习。 两个源码调试例子,一个是转换成 String ,一个转换成 Long 环境:spring boot 2.6.13 相关文章如下: 文章…

嵌入式培训机构四个月实训课程笔记(完整版)-C++和QT编程第二天-类与对象(物联技术666)

链接:https://pan.baidu.com/s/1Am83Ut449WCbuTiodwJWgg?pwd=1688 提取码:1688 上午:类和对象 下午:类和对象高级应用 教学内容: 1、构造函数\析构函数\拷贝构造函数 构造函数: 每一个对象的创建都必须初始化,如果在没有写初始化函数(即构造函数),系统会默认写…

OpenCV——八邻域断点检测

目录 一、理论基础1、八邻域2、断点检测 二、代码实现三、结果展示四、参考链接 OpenCV——八邻域断点检测由CSDN点云侠原创&#xff0c;爬虫自重。如果你不是在点云侠的博客中看到该文章&#xff0c;那么此处便是不要脸的爬虫。 一、理论基础 1、八邻域 图1 八邻域示意图 图…

基于嵌入式AI的ROI区域视频传输系统设计与实现

在当今快速发展的智能监控领域&#xff0c;实现高效的视频流处理和传输成为了一项重要挑战。本文介绍了一个基于嵌入式AI平台的视频传输系统设计&#xff0c;该系统能够识别视频中的关键区域&#xff08;ROI&#xff09;&#xff0c;并对这些区域进行高效的编码处理。特别地&am…

Python数据的处理

一.字符串拼接的几种方式 使用str.join()方法进行拼接字符串直接拼接使用格式化字符串进行拼接 ​ s1hello s2world #(1)使用➕进行拼接 print(s1s2) #(2)使用字符串的join&#xff08;&#xff09;方式 print(.join([s1,s2])) print(*.join([s1,s2])) print(你好.join([s1,s…

neus2安装运行纪实

./build/testbed --scene transforms.json

Python操作MySQL入门教程,使用pymysql操作MySQL,有录播直播私教课

创建数据库 create database gx character set utf8mb4;连接数据库 #!/usr/bin/python3import mysql as pymysql# 打开数据库连接 db pymysql.connect(hostlocalhost,port3306,userroot,passwordzhangdapeng520,databasegx)# 使用 cursor() 方法创建一个游标对象 cursor cur…