如何在 python 中执行配对样本 t 检验

当一个样本中的每个观察值可以与另一个样本中的观察值相关联时，配对样本 t 检验用于比较两个样本的平均值。

本教程介绍如何在 Python 中执行配对样本 t 检验。

示例：Python 中的配对样本 T 检验

假设我们想知道某个课程是否对学生在特定考试中的表现有显着影响。为了测试这一点，我们要求一个班的 15 名学生进行预测试。然后我们让每个学生参加为期两周的课程。然后，学生重新参加类似难度的测试。

为了比较第一次和第二次测试的平均分数之间的差异，我们使用配对样本 t 检验，因为对于每个学生来说，他们在第一次测试中的分数可以与他们在第二次测试中的分数相关联。

完成以下步骤以在 Python 中执行配对样本 t 检验。

第 1 步：创建数据。

首先，我们将创建两个表来包含测试前和测试后的分数：

 pre = [88, 82, 84, 93, 75, 78, 84, 87, 95, 91, 83, 89, 77, 68, 91]
post = [91, 84, 88, 90, 79, 80, 88, 90, 90, 96, 88, 89, 81, 74, 92]

步骤 2：执行配对样本 T 检验。

接下来，我们将使用 scipy.stats 库中的ttest_rel() 函数来执行配对样本 t 检验，该函数使用以下语法：

测试相对值（a，b）

金子：

• a：第 1 组的样本观察表
• b：第 2 组的样本观察表

以下是在我们的具体示例中如何使用此函数：

 import scipy.stats as stats

#perform the paired samples t-test
stats.ttest_rel(pre, post)

(statistic=-2.9732, pvalue=0.0101)

检验统计量为-2.9732 ，相应的双尾 p 值为0.0101 。

第 3 步：解释结果。

在此示例中，配对样本 t 检验使用以下原假设和备择假设：

H ₀ :测试前和测试后的平均分数相等

H _A :测试前和测试后的平均分数不相等

由于 p 值 ( 0.0101 ) 小于 0.05，因此我们拒绝原假设。我们有足够的证据表明，学生参加学习计划之前和之后的真实平均考试成绩是不同的。