Python的P值

p值是关于假设的强度。我们基于一些统计模型建立假设，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。

这是对零假设的双侧检验，即独立观察值'a'的样本的期望值（平均值）等于给定的总体均值 popmean 。让我们考虑下面的例子。

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

在下面的例子中，有两个样本可以来自相同或不同的分布，我们想要测试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T检验。对于两个独立样本具有相同平均（预期）值的零假设，这是一个双侧检验。该测试假设人口默认具有相同的差异。

如果我们观察到来自相同或不同人群的两个独立样本，我们可以使用这个测试。让我们考虑下面的例子。

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的新数组进行测试，但具有不同的含义。在 loc中 使用不同的值并测试相同的值。