如何在Python中进行单样本 T 检验

在本文中，我们将了解如何在Python中进行一个示例 T-Test。

Python中的一个示例 T 检验

单样本 t 检验是一种统计假设检验，可用于查看未知总体的平均值是否与给定或已知值不同。在本文中，让我们学习如何执行单样本 t 检验。

null hypothesis: the mean of the areas is 5000.

alternative hypothesis: the mean of the areas is not  5000.

使用的 CSV：

创建用于演示的数据框

Python3

# import packages
import scipy.stats as stats
import pandas as pd
  
# loading the csv file
data = pd.read_csv('areas.csv')
data.head()

输出：

在Python中进行一个样本 T 测试

为了执行单样本 t 检验，我们将使用 scipy.stats.ttest_1samp()函数来执行单样本 t 检验。 T 检验是针对一组值的平均值计算的。原假设是独立观察样本的预期均值等于指定的总体均值 popmean。

Syntax: scipy.stats.ttest_1samp(a, popmean, axis=0).

parameters:

• a : an array or iterable object of sample observations.
• popmean : expected mean in the null hypothesis.
• axis : its an optional parameter. represents axis.

returns : t statistic and two tailed p value.

Python3

# import packages
import scipy.stats as stats
import pandas as pd
  
# loading the csv file
data = pd.read_csv('areas.csv')
  
# perform one sample t-test
t_statistic, p_value = stats.ttest_1samp(a=data, popmean=5000)
print(t_statistic , p_value)

输出：

[-0.79248301] [0.44346471]

这里

t_statistic is  -0.79248301

p-value is 0.44346471

由于给定问题的 p_value 大于 0.05（即 alpha 值），因此我们接受原假设并拒绝替代假设。