显著性检验 python

在Python中进行显著性检验可以使用scipy包中的统计模块（scipy.stats）。通过引入合适的函数和方法，可以实现各种差异性检验。例如，如果要判断一个给定的样本是否符合正态分布，可以使用kstest函数。该函数的使用方法如下：

import numpy as np
from scipy.stats import kstest

v = np.random.normal(size=100)  # 生成一个正态分布的样本
res = kstest(v, 'norm')  # 进行正态性检验
print(res)

其中，v是一个包含随机生成的正态分布样本的numpy数组。kstest函数的第一个参数是待检验的样本数据，第二个参数是用来进行比较的理论分布类型（这里是'norm'表示正态分布）。函数将返回一个包含两个值的元组，第一个值是检验统计量，第二个值是p-value。通过判断p-value的大小，可以决定样本是否符合正态分布。

另外，如果只想获取t检验或方差分析等差异性检验的p-value值，可以使用对应函数的pvalue属性。例如，对于ttest_ind函数进行两组样本差异性检验，可以使用如下代码：

import numpy as np
from scipy.stats import ttest_ind

v1 = np.random.normal(size=100)  # 第一组样本
v2 = np.random.normal(size=100)  # 第二组样本
res = ttest_ind(v1, v2).pvalue  # 进行两组样本的t检验，获取p-value值
print(res)

其中，v1和v2分别是两组样本的numpy数组。ttest_ind函数将返回一个包含多个属性的对象，其中pvalue属性表示对应的p-value值。通过打印该属性，可以得到两组样本的差异性显著性检验结果。