数据分析为何要学统计学(10)——如何进行比率检验

比率检验是通过样本推测某种事件的总体占比水平。要求事件仅有互斥的两种情况,即,概率分别为p与1-p。

比率检验分单样本和双样本两种情况,以下我们分别介绍。

1. 单样本比率检验

形如这样的问题:"小学生近视比例日益提高,抽取500个小学生进行视力测试,310个小学生近视,是否可认为小学生的近视比例超过了六成?"

进行单样本比率检验可用两种方法二项检验和z检验

二项检验(Bernoulli检验):对应n<30或np或n(1-p)小于5的情况。函数为statsmodels.stats.proportion.binom_test(count, nobs, value=0.5, alternative='two-sided');

z检验:对二项检验条件以外的情况。函数为statsmodels.stats.proportion.proportions_ztest(count, nobs, value=0.5, alternative='two-sided')。

参数说明:count------事件数,nobs------样本容量,value------比率, alternative------检验方向,默认双侧,还可以为larger和smaller。

上例nobs=500,p=60%,np=300,n(1-p)=200,满足z检验方法的使用条件。根据题意,可以如下代码求解:

python 复制代码
from statsmodels.stats import proportion
proportion.proportions_ztest(310,500,0.6,alternative='larger')

结果为p=0.0.1784>0.05,还不能接受H1:"小学生的近视比例超过了六成"的假设。尽管在比例上已经是62%,超过6成,但这只是部分代表的比例,而不是总体水平下的比例。

2. 双样本比率检验

可使用上述检验的双样本函数test_proportions_2indep(count1, nobs1, count2, nobs2, value=None, alternative='two-sided'),也可以使用Fisher精确检验(n<40或有理论值<1或p值接近0.05)或卡方检验(其它情况)。详见卡方检验文章。

相关推荐
千宇宙航2 小时前
闲庭信步使用SV搭建图像测试平台:第三十一课——基于神经网络的手写数字识别
图像处理·人工智能·深度学习·神经网络·计算机视觉·fpga开发
IT古董2 小时前
【第二章:机器学习与神经网络概述】04.回归算法理论与实践 -(4)模型评价与调整(Model Evaluation & Tuning)
神经网络·机器学习·回归
onceco2 小时前
领域LLM九讲——第5讲 为什么选择OpenManus而不是QwenAgent(附LLM免费api邀请码)
人工智能·python·深度学习·语言模型·自然语言处理·自动化
jndingxin5 小时前
OpenCV CUDA模块设备层-----高效地计算两个 uint 类型值的带权重平均值
人工智能·opencv·计算机视觉
Sweet锦5 小时前
零基础保姆级本地化部署文心大模型4.5开源系列
人工智能·语言模型·文心一言
hie988946 小时前
MATLAB锂离子电池伪二维(P2D)模型实现
人工智能·算法·matlab
晨同学03276 小时前
opencv的颜色通道问题 & rgb & bgr
人工智能·opencv·计算机视觉
蓝婷儿6 小时前
Python 机器学习核心入门与实战进阶 Day 3 - 决策树 & 随机森林模型实战
人工智能·python·机器学习
大千AI助手6 小时前
PageRank:互联网的马尔可夫链平衡态
人工智能·机器学习·贝叶斯·mc·pagerank·条件概率·马尔科夫链
小和尚同志7 小时前
Cline | Cline + Grok3 免费 AI 编程新体验
人工智能·aigc