假设检验两个均值是否相等，Python代码

### Python 假设检验：两个均值比较的代码示例在统计学中，假设检验是一种用于验证关于总体参数假设的方法。当需要比较两个样本的均值是否相等时，通常可以使用 **t检验**[^1]。以下是一个基于 `scipy.stats` 模块的代码示例，展示如何用 Python 实现两个独立样本均值的 t 检验。 ```python import numpy as np import scipy.stats as stats # 示例数据 sample1 = [20, 22, 19, 24, 25, 23, 21, 26, 27, 28] sample2 = [29, 31, 33, 30, 32, 34, 35, 36, 37, 38] # 计算两样本的t检验 t_stat, p_value = stats.ttest_ind(sample1, sample2, equal_var=False) print(f"t统计量: {t_stat}") print(f"p值: {p_value}") # 判断结果 alpha = 0.05 # 显著性水平 if p_value < alpha: print("拒绝原假设：两样本均值有显著差异") else: print("无法拒绝原假设：两样本均值无显著差异") ``` 上述代码展示了如何通过 `scipy.stats.ttest_ind` 函数来执行独立样本 t 检验。该函数的参数 `equal_var=False` 表示假设两样本方差不相等（Welch's t-test）[^3]。如果已知两样本方差相等，则可以将此参数设置为 `True`。此外，还可以使用配对样本 t 检验来比较两个相关样本的均值。以下是配对样本 t 检验的代码示例： ```python # 示例数据 before = [20, 22, 19, 24, 25, 23, 21, 26, 27, 28] after = [22, 24, 21, 25, 26, 24, 22, 27, 28, 29] # 配对样本t检验 t_stat, p_value = stats.ttest_rel(before, after) print(f"t统计量: {t_stat}") print(f"p值: {p_value}") # 判断结果 alpha = 0.05 # 显著性水平 if p_value < alpha: print("拒绝原假设：两样本均值有显著差异") else: print("无法拒绝原假设：两样本均值无显著差异") ``` 以上代码使用了 `scipy.stats.ttest_rel` 函数进行配对样本 t 检验，适用于两组数据存在关联的情况，例如同一组对象在不同条件下的测量值[^2]。 ### 注意事项 - 在执行 t 检验之前，需确保数据满足正态性和方差齐性的假设。如果不满足这些条件，可以考虑使用非参数检验方法，如 Wilcoxon 符号秩检验。 - 如果需要处理更复杂的场景，例如多组均值比较，可以使用方差分析（ANOVA）[^3]。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

下一篇用Python语言做那个for循环