【数据分析】推断统计学及Python实现

各位大佬好，这里是阿川的博客，祝您变得更强

大佬的支持和鼓励，将是我成长路上最大的动力

阿川水平有限，如有错误，欢迎大佬指正

Python 初阶
Python--语言基础与由来介绍
 Python--注意事项
 Python--语句与众所周知
数据清洗前 基本技能
数据分析---技术栈和开发环境搭建
 数据分析---Numpy和Pandas库基本用法及实例
推断统计学前 必看
数据分析---三前奏：获取/ 读取/ 评估数据
 数据分析---数据清洗操作及众所周知
 数据分析---数据整理操作及众所周知
 数据分析---统计学基础及Python具体实现
 数据分析---数据可视化Python实现超详解

推断统计学简介

推断统计学

涉及假设检验
- 通过样本 做出关于总体的推断或预测
  - 样本：也称之为对象
    - 统计量 ：描述样本特征的数值
  - 总体：所有对象 的集合
    - 参数：特征的数值

T检验/Z检验概述

推断统计学中会涉及T检验和Z检验 （重点）
独立双样本T检验或Z检验

独立：不同的总体 ，彼此之间无关联
双样本 ：比较两个不同样本
T检验/Z检验 ：用于确定样本的平均值之间 是否存在统计显著性 （排除随机可能性 ）
- Z检验 相对于T检验而言，可以提供更高准确性和敏感性

前提条件

随机抽样
总体大致呈正态分布
- 中间值多
- 两边极端值少

（ Z检验 ）总体方差要已知 或样本量大于30

检验具体实现

步骤一 建立假设
原假设H~0~ （一般为不支持 的可能）

参数A不高于参数B
备择假设H~1~ （一般为支持的可能）

参数A高于参数B

步骤二选择单尾或双尾检验
双尾：推断总体是否有差异 ，正差异和负差异都可以 ，不在乎 谁大谁小。

原假设 ：两个参数存在差异
备择假设 ：两个参数不存在差异

单尾：检验差异 为正差异和负差异 ，在乎谁大谁小。

原假设 ：参数A没有大于参数B
备择假设 ：参数A大于参数B
或者
原假设 ：参数A没有小于参数B
备择假设 ：参数A小于参数B

步骤三 确定显著水平
允许检验犯错误的概率

允许检验犯错误的概率高 ，表示检验宽松
允许检验犯错误的概率低 ，表示检验严格

显著水平数值

双尾应小于0.05
- 表示如果检验结果是 拒绝原假设 ，原假设实际为 真概率为5%
  - 即如果检验结果是 拒绝原假设 ，结论95%概率是对的。
单尾应小于0.025
- 表示如果检验结果是拒绝原假设 ，原假设实际为真概率为2.5%
  - 即如果检验结果是 拒绝原假设 ，结论97.5%概率是对的

不同的项目，显著水平设定会有所不同 （例如医药临床方面 ，显著水平设为一般为0.01）

显著性水平 一般用alpha字母表示 ，用if 跟p值进行比较来进行筛选

步骤四 计算T值/Z值
表示两个样本之间均值的大小
T = x 1 − x 2 s 1 2 n 1 + s 2 2 n 2 T={ {x~1~ - x~2~ } \over \sqrt{ {s~1~ ^2\over n ~1~ }+{s~2~ ^2\over n ~2~ } }} T=n 1 s 1 2+n 2 s 2 2 x 1 −x 2

x~1~和x~2~ 是两个样本的均值
s~1~^2^和 s~2~^2^ 是两个样本的方差
n~1~和n~2~ 是两个样本的大小

先安装Scipy库 （该库基于Numpy）

pip install scipy

导入
from scipy.stats import ttest_ind

专门用来做独立双样本T检验函数
- ttest_ind （样本对象1 ，样本对象2）

ttest_ind 会返回t值和p值 （默认 p值为双尾，若是单尾检验 ，要在其返回值上除以二 才是双尾的值 ）

样本对象P表示：

在总体之间 不存在显著差异 ，那样本之间存在 当前这种显著或更极端的差异 有多大概率
- P值小 假设总体没有差异 的话，样本有当前的差异 是小概率 ，即为拒绝原假设
- P值大 假设总体有没有差异 的话，样本有当前的差异 是大概率 ，即为接受原假设

Z = x 1 − x 2 σ 1 2 n 1 + σ 2 2 n 2 Z={ {x~1~ - x~2~ } \over \sqrt{ {\sigma~1~ ^2\over n ~1~ }+{\sigma~2~ ^2\over n ~2~ } }} Z=n 1 σ 1 2+n 2 σ 2 2 x 1 −x 2
x~1~和x~2~ 是两个样本的均值
σ \sigma σ~1~ ^2^ 和 σ \sigma σ~2~ ^2^ 是两个总体的 已知方差
n~1~和n~2~ 是两个样本的大小

先安装 pip install statsmodels

导入
statsmodels.stats.weightstats import ztest

ztest（样本对象T，样本对象P，alternative=" "）
- alternative 该参数为可选择的
  - =two-sided 表示两尾的
  - =larger 表示单尾的
  - =smaller 表示想推断第一个总体均值是否显著小于第二个总体均值