如何在Python中進行假設測試？

Question

我希望能找到P值。我來自更多的統計背景，對於Python來說是相當新穎的。有沒有任何軟件包可以讓我做到這一點？我正在關注「從頭開始的數據科學」一書，並且有些被卡在了假設檢驗和推理上。

Answer 1

SciPy的包有很多的統計材料整體模塊，包括假設檢驗和內部的分佈函數：scipy.stats

例如，這是你如何測試一個隨機樣本使用柯爾莫哥洛夫正態分佈-Smirnov測試：

import numpy as np 
from scipy.stats import norm, pareto, kstest 

n = 1000 
sample_norm = norm.rvs(size=1000) # generate normally distributed random sample 
sample_pareto = pareto.rvs(1.0, size=1000) # sample from some other distribution for comparison 

d_norm, p_norm = kstest(sample_norm, norm.cdf) # test if the sample_norm is distributed normally (correct hypothesis) 
d_pareto, p_pareto = kstest(sample_pareto, norm.cdf) # test if the sample_pareto is distributed normally (false hypothesis) 

print('Statistic values: %.4f, %.4f' % (d_norm, d_pareto)) 
print('P-values: %.4f, %.4f' % (p_norm, p_pareto)) 

正如你可以看到kstest返回統計值和p值。 norm.cdf表示正態隨機變量的累積分佈函數。