是否可以使用 scipy.stats.ttest_1samp 进行 t 检验,其中输入是统计数据而不是数组?例如,如果均值不同,您有两个选择:ttest_ind() 和 ttest_ind_from_stats()。
import numpy as np
import scipy.stats as stats
from scipy.stats import norm
mean1=35.6
std1=11.3
nobs1=84
mean2=44.7
std2=8.9
nobs2=84
print(stats.ttest_ind_from_stats(mean1, std1, nobs1, mean2, std2, nobs2, equal_var=False))
# alternatively, you can pass 2 arrays
print(stats.ttest_ind(
stats.norm.rvs(loc=mean1, scale=std1, size=84),
stats.norm.rvs(loc=mean2, scale=std2, size=84),
equal_var=False)
)
是否有与单样本 t 检验等效的函数? 感谢您的帮助。
最佳答案
长话短说
单样本测试没有此功能,但可以使用双样本功能。 简而言之,要执行一个样本 t-test,请执行以下操作:
sp.stats.ttest_ind_from_stats(mean1=sample_mean,
std1=sample_std,
nobs1=n_samples,
mean2=population_mean,
std2=0,
nobs2=2,
equal_var=False)
请注意,结果完全独立于 nobs2
(应该是这样,因为在一个样本测试中没有 n2)。只需确保传入一个 >1 的值,以避免被零除。
它是如何工作的?
查看有关 different types of t-test 的维基百科页面.
一个样本t-test使用统计量
具有 n - 1 个自由度。
ttest_ind_from_stats
函数可以做Welch's t检验(样本量不等,方差不等),定义为
和自由度:
我们可以将韦尔奇 t 检验的定义转换为单样本 t 检验。如果我们将 mean2
设置为总体平均值并将 std2
设置为 0,则 t 统计量的方程是相同的,并且自由度会降低到 n - 1。
关于python - Scipy t 检验统计数据中的一个样本?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/47925272/