Python - P值

P值关乎假设的强度。我们基于某些统计模型建立假设，并使用P值比较模型的有效性。一种获得P值的方法是使用T检验。

这是一个针对零假设的双侧检验，该零假设认为一组独立观测值“a”的期望值（均值）等于给定的总体均值popmean。让我们考虑以下示例。

from scipy import stats
rvs = stats.norm.rvs(loc = 5, scale = 10, size = (50,2))
print stats.ttest_1samp(rvs,5.0)

上述程序将生成以下输出。

Ttest_1sampResult(statistic = array([-1.40184894, 2.70158009]),
pvalue = array([ 0.16726344, 0.00945234]))

比较两个样本

在以下示例中，有两个样本，它们可能来自相同的分布或不同的分布，我们想要检验这些样本是否具有相同的统计特性。

ttest_ind - 计算两个独立样本得分的均值的T检验。这是一个针对零假设的双侧检验，该零假设认为两个独立样本具有相同的平均值（期望值）。默认情况下，此检验假设总体具有相同的方差。

如果我们观察到来自相同或不同总体的两个独立样本，可以使用此检验。让我们考虑以下示例。

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)

上述程序将生成以下输出。

Ttest_indResult(statistic = -0.67406312233650278, pvalue = 0.50042727502272966)

您可以使用相同长度但均值不同的新数组进行相同的测试。在loc中使用不同的值并进行相同的测试。