我想执行一个双样本,单尾 t 检验来比较两个均值。对于我正在寻找的特定问题,我希望比较只在一个方向上。我希望零假设是mu_2 > mu_1
,替代假设是mu_1 <= mu_2
。或者零假设仍然应该是mu_1 - mu_2 = 0
,即使对于单尾情况?
我正在使用一个大型数据集,但是如果我要提取和舍入参数,对于 data_1 它是mu_1 = 4.3, s_1 = 4.8, and n_1 = 40000
和 data_2 它是mu_2 = 4.9, s_2 = 4.4, n_2 = 30000
。
stats.ttest_ind(data1,
data2,
equal_var = False)
鉴于 scipy 仅考虑了双尾测试,因此我不确定如何解释这些值。Ttest_indResult(statistic=-19.51646312898464, pvalue=1.3452106729078845e-84)
。alpha 值为 0.05,p 值比拒绝零假设的值小得多。但是,我的直觉告诉我,不应拒绝零假设,因为 mu_2 显然大于 mu_1(因此,我希望 p 值至少大于 mu_1)。
我将不胜感激任何额外的帮助和指导。谢谢!
我为 t 检验 p 值计算提供了另一种解决方案。
from scipy.stats import ttest_ind
def t_test(x,y,alternative='both-sided'):
_, double_p = ttest_ind(x,y,equal_var = False)
if alternative == 'both-sided':
pval = double_p
elif alternative == 'greater':
if np.mean(x) > np.mean(y):
pval = double_p/2.
else:
pval = 1.0 - double_p/2.
elif alternative == 'less':
if np.mean(x) < np.mean(y):
pval = double_p/2.
else:
pval = 1.0 - double_p/2.
return pval
SciPy & gt;= 1.6
现在,您可以使用每个文档的“alternative”参数进行两个样本的单尾测试。在的示例中,我使用“less”,但这些是选项 alternative {'two-sided','less','greater'}
https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.ttest_ind.htmlfrom scipy.stats import ttest_ind
ttest, pval = ttest_ind(data1, data2, alternative="less")
print("t-test", '{0:.10f}'.format(ttest[0]))
print("p-value", '{0:.10f}'.format(pval[0]))
if pval <0.05:
print("we reject null hypothesis")
else:
print("we accept null hypothesis")
你是对的,如果你正在做一个单侧测试,它应该有一个大的 p 值。ttest_ind
执行一个双侧测试,它给出了你观察到比你的 t 统计量的绝对值更极端的东西的概率。
要进行单侧 t 检验,可以使用 cdf,它是 t 统计量的概率总和。
稍微修改this code:
def welch_ttest(x1, x2,alternative):
n1 = x1.size
n2 = x2.size
m1 = np.mean(x1)
m2 = np.mean(x2)
v1 = np.var(x1, ddof=1)
v2 = np.var(x2, ddof=1)
tstat = (m1 - m2) / np.sqrt(v1 / n1 + v2 / n2)
df = (v1 / n1 + v2 / n2)**2 / (v1**2 / (n1**2 * (n1 - 1)) + v2**2 / (n2**2 * (n2 - 1)))
if alternative == "equal":
p = 2 * t.cdf(-abs(tstat), df)
if alternative == "lesser":
p = t.cdf(tstat, df)
if alternative == "greater":
p = 1-t.cdf(tstat, df)
return tstat, df, p
我模拟了一些数据:
import numpy as np
from scipy.stats import ttest_ind
from scipy.stats import t
np.random.seed(seed=123)
data1 = np.random.normal(4.3,4.8,size=40000)
np.random.seed(seed=123)
data2 = np.random.normal(4.9,4.4,size=30000)
ndf = len(data1) +len(data2) - 2
ttest_ind(data1,data2,equal_var = False)
Ttest_indResult(statistic=-16.945279258324227, pvalue=2.8364816571790452e-64)
你得到类似你的结果,我们可以测试上面的代码为 alternative = =“equal”这是一个双面测试:
welch_ttest(data1,data2,"equal")
(<scipy.stats._continuous_distns.t_gen at 0x12472b128>,
67287.08544468222,
2.8364816571790452e-64)
您可以将 p 值与 scipy 2 侧 t 检验相同,现在我们进行所需的单侧检验:
welch_ttest(data1,data2,"greater")
(<scipy.stats._continuous_distns.t_gen at 0x12472b128>, 67287.08544468222, 1.0)
本站系公益性非盈利分享网址,本文来自用户投稿,不代表码文网立场,如若转载,请注明出处
评论列表(85条)