Python实现两组数据显著性检验：T检验与P值计算详解

Python计算两组数据显著性概述

在进行A/B测试评估时，P值是关键指标。本文旨在记录如何使用Python计算两组数据的统计显著性。

一、代码实现

# TTest.py
# -*- coding: utf-8 -*-
'''
# Created on 2020-05-20 20:36
# TTest.py
# @author: huiwenhua
'''

## Import the packages
import numpy as np
from scipy import stats

def get_p_value(arrA, arrB):

  a = np.array(arrA)
  b = np.array(arrB)

  t, p = stats.ttest_ind(a,b)

  return p

if __name__ == "__main__":
  get_p_value([1, 2, 3, 5, ], [6, 7, 8, 9, 10])

两样本T检验原理与假设

二、T检验：两样本T检验

两样本t检验用于比较两个样本所代表的总体均值是否存在显著差异。该方法不仅要求样本来自正态分布，还要求两个样本的总体方差相等，即满足“方差齐性”条件。

检验的原假设为：样本均值无差异（μ=μ0）。

Python命令与方差齐性处理

Python中使用的命令为：stats.ttest_ind(data1, data2)。

当不确定两个总体方差是否相等时，应先利用Levene检验检查两总体是否具有方差齐性：stats.levene(data1, data2)。如果返回结果的P值远大于0.05，则认为两总体具有方差齐性。若两总体不具有方差齐性，则需要在ttest_ind中加上参数equal_var并设定为False，如下所示。

stats.ttest_ind(data1, data2, equal_var=False)。注意：TTest中默认假设是具有方差齐性。

T检验结果解释与置信度分析

三、结果解释

当P值小于某个显著性水平α（例如0.05）时，则认为样本均值存在显著差异。具体的分析需结合所选的是双边假设还是单边假设（又分小于和大于）。需要注意的是，stats.ttest_ind默认进行的是双侧检验。

当T值大于0时，则有（(1-p) * 100）%的把握认为第一组数据优于第二组数据。例如，当p=0.05时，我们有95%的把握认为第一组数据好于第二组数据。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持本站。