【原】Python学生物统计---T检验---学习笔记6

T 检验是最基础的统计检验, 统计书中最开始的一章节, 主要用于连续变量的显著性检验, 分为:

• 与固定值的T检验

• 配对样本T检验

• 独立样本T检验

from scipy import statsimport pandas as pd
import numpy as np
from statsmodels.formula.api import ols
from statsmodels.stats.anova import anova_lm
from statsmodels.stats.multicomp import pairwise_tukeyhsd
import matplotlib.pyplot as plt

6.1 T检验（与固定值）

这里, 与常量比较时, 用的是stats.ttest_lsamp函数

试验数据是一组5年生的树, 查看它们与8米的差异是否达到显著水平

dat = pd.read_csv("6.1.csv")dat.head()

	x
0	8.0
1	7.9
2	7.9
3	8.1
4	8.2

print(stats.ttest_1samp(dat,8))Ttest_1sampResult(statistic=array([4.51858295]), pvalue=array([8.49191658e-05]))

6.2配对样本T检验

配对样本T检验, 用的是stats.ttest_rel()函数

paired = pd.read_csv("6.2.csv")paired.head()

	a	b
0	16.68	18.68
1	20.67	23.22
2	18.42	21.42
3	18.00	19.00
4	17.44	18.92

stats.ttest_rel(paired["a"],paired["b"])Ttest_relResult(statistic=-5.223707703484895, pvalue=0.0033994208029429042)stats.ttest_1samp(paired,0)Ttest_1sampResult(statistic=array([26.67732616, 27.63689361]), pvalue=array([1.38380926e-06, 1.16087330e-06]))

6.3独立样本T检验

独立样本T检验用的是:statsmannwhitneyu()函数

duli = pd.read_csv("6.3.csv")duli.head()

	a	b
0	16.68	18.68
1	20.67	23.22
2	18.42	21.42
3	18.00	19.00
4	17.44	18.92

stats.mannwhitneyu(duli['a'],duli['b'])MannwhitneyuResult(statistic=4.0, pvalue=0.015319493968851633)

数据下载:

点击原文, 科学网中有数据下载链接.

相关系列:

Python生物统计---前言及Flag---学习笔记1

Python学生物统计---为什么是统计---学习笔记2

Python学生物统计---Python基础---学习笔记3

Python学生物统计---数据导入---学习笔记4

Python学生物统计---数据可视化---学习笔记5