如何从Python中的 t 分数中找到 P 值？

T 分数： T 分数定义为与 t 分布的平均数据的标准偏差计数。简单地说，它定义为两个数据组之间的差异与数据组内的差异的比率。 T-score是一个统计术语，主要用于以下方面：

• 确定置信区间的上限和下限（对于近似正态分布的数据）。
• 确定 t 检验和回归检验的 p 值。

P 值：它定义了结果从样本空间中偶然发生的概率。 P 值从 0 到 100% 不等。请注意，较低的 p 值被认为是好的，因为它意味着结果不是偶然发生的。

寻找 p 值：

在Python中安装 scipy 库的语法：

pip3 install scipy

Scipy 是一个用于科学计算的Python库。它为我们提供了 scipy.stats.t.sf()函数来计算 p 值。

scipy.stats.t.sf()函数：

句法：

scipy.stats.t.sf(abs(t_score), df=degree_of_freedom

Parameters:

• t_score: It signifies the t-score
• degree_of_freedom: It signifies the degrees of freedom

p 值通常与 t 分数相关联。我们现在将讨论如何计算与左尾、右尾和双尾检验的 t 分数相关的 p 值。

左尾检验中的 P 值：

在这个程序中，t 值为 -0.47，自由度等于 12。

例子：

Python3

# Python program to find the p-value 
# in a left-tailed test
  
# Importing the library
import scipy.stats
  
# Determine the p-value
scipy.stats.t.sf(abs(-.47), df=12)

输出：

左尾检验中的 P 值

因此，p 值等于 0.32。如果我们使用 α = 0.05 的显着性水平，我们将无法拒绝假设检验的原假设，因为这里的 p 值大于 0.05。

右尾检验中的 P 值：

在这个程序中，t 值为 1.87，自由度等于 24。

例子：

Python3

# Importing scipy library
import scipy.stats
  
# Determining the p-value
scipy.stats.t.sf(abs(1.87), df=24)

输出：

右尾检验中的 P 值

因此，p 值等于 0.036。如果我们使用 α = 0.05 的显着性水平，我们将不得不拒绝假设检验的原假设，因为这里的 p 值小于 0.05。

双尾检验中的 P 值：

在这个程序中，t 值为 1.36，自由度等于 33。请注意，要找到双尾检验 p 值，我们只需将单尾 p 值的 p 值乘以 2。

例子：

Python3

import scipy.stats
  
# find p-value for two-tailed test
scipy.stats.t.sf(abs(1.36), df=33)*2

输出：

双尾检验中的 P 值

因此，p 值等于 0.183。如果我们使用 α = 0.05 的显着性水平，我们将无法拒绝假设检验的原假设，因为这里的 p 值大于 0.05。