我們在做A/B試驗(yàn)評估的時候需要借助p_value,這篇文章記錄如何利用python計(jì)算兩組數(shù)據(jù)的顯著性。

一、代碼

# TTest.py # -*- coding: utf-8 -*- ''' # Created on 2020-05-20 20:36 # TTest.py # @author: huiwenhua '''  ## Import the packages import numpy as np from scipy import stats  def get_p_value(arrA, arrB):    a = np.array(arrA)   b = np.array(arrB)    t, p = stats.ttest_ind(a,b)    return p  if __name__ == "__main__":   get_p_value([1, 2, 3, 5, ], [6, 7, 8, 9, 10])

二、T檢驗(yàn)：兩樣本T檢驗(yàn)

兩樣本t檢驗(yàn)是比較兩個樣本所代表的兩個總體均值是否存在顯著差異。除了要求樣本來自正態(tài)分布，還要求兩個樣本的總體方差相等也就是“方差齊性”。

檢驗(yàn)原假設(shè)：樣本均值無差異(μ=μ0)

Python命令stats.ttest_ind(data1,data2)

當(dāng)不確定兩總體方差是否相等時，應(yīng)先利用levene檢驗(yàn)檢驗(yàn)兩總體是否具有方差齊性stats.levene(data1,data2)如果返回結(jié)果的p值遠(yuǎn)大于0.05，那么我們認(rèn)為兩總體具有方差齊性。如果兩總體不具有方差齊性，需要加上參數(shù)equal_val并設(shè)定為False，如下。

stats.ttest_ind(data1,data2,equal_var=False) // TTest中默認(rèn)是具有方差齊性

三、結(jié)果解釋

當(dāng)p值小于某個顯著性水平α(比如0.05)時，則認(rèn)為樣本均值存在顯著差異，具體的分析要看所選擇的是雙邊假設(shè)還是單邊假設(shè)（又分小于和大于）注意stats.ttest_ind進(jìn)行雙側(cè)檢驗(yàn)。

當(dāng)t值大于0，則有(（1-p）* 100)%的把握認(rèn)為認(rèn)為第一組數(shù)據(jù)好與第二組數(shù)據(jù)。例如p=0.05,那么我們有95%的把握認(rèn)為第一組數(shù)據(jù)好于第二組數(shù)據(jù)。

相關(guān)學(xué)習(xí)推薦：python視頻教程