参考资料:python统计分析【托马斯】
1、配对样本t检验
在进行两组数据之间的比较时,有两种情况必须区分开。在第一种情况中,同一对象在不同时候的两个记录值进行相互比较。例如,用学生们进入初中时的身高和他们一年后的身高,来检验他们是否生长了。由于我们只是对每个个体在第一次和第二次测量之间的差异感兴趣,该检验叫作配对t检验,该检验基本上和单样本均值t检验相应。
因此,scipy.stats.ttest_1samp和scipy.stats.ttest_rel这两个检验会得到相同的结果(可能会有微小的数字差异)。
python代码如下:
# 导入库
import numpy as np
from scipy import stats
# 设置随机种子,用于复现结果
np.random.seed(1234)
# 设置样本1
data1=np.random.randn(10)*5
# 设置样本2
data2=np.random.randn(10)+0.1+data1
# 用stats.ttest_1samp进行检验
stats.ttest_1samp(data2-data1,0)
# 用stats.ttest_rel进行检验
stats.ttest_rel(data2,data1)
2、独立样本t检验
非配对t检验,或两个独立组别的t检验,比较的是两个组。比如,比较两个不同组病人在服用两种药物后的效果。
基本的思想和单样本t检验是一样的。但我们需要的是两组之间均值差异的方差,而不是均值的方差。python检验代码为:t_statistic,pVal=scipy.stats.ttest_ind()。注意等方差和异方差的设置,默认是等方差检验。
可参考:python统计分析——两样本t检验_python双样本t检验-CSDN博客
以上为面的案例继续分析如下:
# 成组数据t检验
stats.ttest_ind(data2,data1)
3、非参数检验:Mann-Whitney检验
如果两组的测量值不是正态分布,我们必须借助非参数检验。比较两个独立组别最常用的非参数检验是Mann-Whitney(-Wilcoxon)检验。注意这个检验有时被称作Wilcoxon秩和检验。它和Wilcoxon符合秩和检验不同。该检验的检验统计量经常用u来表示:
u_statistic,pVal=statas.mannwhitneyu()
python代码如下:
# 输入案例数据
data1=np.array([603,585,598,620,617,650])
data2=np.array([489,457,512,567,512,585,591,531,467])
# 进行Mann-Whitney检验
u1,pVal=stats.mannwhitneyu(data1,data2)
u2=len(data1)*len(data2)-u1
print("u1: ",u1)
print("u2: ",u2)
print("p值:",pVal)
相关参数设置介绍如下:
(1)method='auto',表示计算p值的方法,有三个选项:'auto', 'asymptotic', 'exact'。默认是“auto”,表示当某一组样本量低于8时,用exact方法,且无矫正;其他情况选择asymptotic方法。 'asymptotic'表示将标准化检验统计量与正态分布进行比较,并校正相关性。'exact'就是对比观测统计量和假设统计量,计算精确的p值。
(2)use_continuity=True,当method参数设置为method='asymptotic'时,默认为True,表示使用连续性校正。
(3)alternative='two-sided',表示备择假设,有三个选项:'two-sided', 'less', 'greater'。默认是“two-sided”,表示备择假设为group1和group2两个分布不想等; 'less'表示备择假设为前者小于后者,'greater'表示备择假设为前者大于后者。
另外,Mann-Whitneyu()检验用于独立样本的非参数检验,而对于配对数据的秩和检验则用:scipy.stats.wilcoxon()
# 输入案例数据
data1=np.array([3550,2000,3100,3000,3950,3800,3750,3450,3050])
data2=np.array([2450,2400,3100,1800,3200,3250,2700,2700,1750])
# 进行wilcoxon检验
wil,pVal=stats.wilcoxon(data1,data2)
print("统计量: ",wil)
print("p值:",pVal)
也可参考:
excel统计分析——成组数据秩和检验_excel做wilcoxon秩和检验-CSDN博客
excel统计分析——成对数据秩和检验_excel 秩和检验-CSDN博客