基于python实现计算两组数据P值
我们在做A/B试验评估的时候需要借助p_value,这篇文章记录如何利用python计算两组数据的显著性。
一、代码
#TTest.py #-*-coding:utf-8-*- ''' #Createdon2020-05-2020:36 #TTest.py #@author:huiwenhua ''' ##Importthepackages importnumpyasnp fromscipyimportstats defget_p_value(arrA,arrB): a=np.array(arrA) b=np.array(arrB) t,p=stats.ttest_ind(a,b) returnp if__name__=="__main__": get_p_value([1,2,3,5,],[6,7,8,9,10])
二、T检验：两样本T检验
两样本t检验是比较两个样本所代表的两个总体均值是否存在显著差异。除了要求样本来自正态分布，还要求两个样本的总体方差相等也就是“方差齐性”。
检验原假设：样本均值无差异(μ=μ0)
Python命令stats.ttest_ind(data1,data2)
当不确定两总体方差是否相等时，应先利用levene检验检验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，那么我们认为两总体具有方差齐性。如果两总体不具有方差齐性，需要加上参数equal_val并设定为False，如下。
stats.ttest_ind(data1,data2,equal_var=False)//TTest中默认是具有方差齐性
三、结果解释
当p值小于某个显著性水平α(比如0.05)时，则认为样本均值存在显著差异，具体的分析要看所选择的是双边假设还是单边假设（又分小于和大于）注意stats.ttest_ind进行双侧检验。
当t值大于0，则有(（1-p）*100)%的把握认为认为第一组数据好与第二组数据。例如p=0.05,那么我们有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毛票票。