python 独立样本t检验

在Python中，可以使用scipy包的stats模块进行独立样本t检验。首先，你需要导入scipy和numpy库。然后，将两个样本数据分别存储为numpy数组。假设样本1存储在sample1数组中，样本2存储在sample2数组中。接下来，使用stats.ttest_ind函数进行独立样本t检验。将sample1和sample2作为参数传递给该函数。最后，打印出检验结果中的统计量(statistic)和p值(pvalue)。

下面是使用Python进行独立样本t检验的示例代码：

from scipy import stats
import numpy as np

# 独立2个样本t检验
sample1 = [5.5, 5.6, 6.3, 4.6, 5.3, 5.0, 6.2, 5.8, 5.1, 5.2, 5.9]
sample2 = [3.8, 4.3, 4.2, 4.0, 4.9, 4.5, 5.2, 4.8, 4.5, 3.9, 3.7, 4.6]

sample1 = np.asarray(sample1)
sample2 = np.asarray(sample2)

result = stats.ttest_ind(sample1, sample2)

print("statistic:", result.statistic)
print("pvalue:", result.pvalue)

在这个示例中，我们假设样本1是sample1数组，样本2是sample2数组。然后，使用stats.ttest_ind函数对这两个样本进行独立样本t检验。最后，打印出检验结果中的统计量和p值。

请注意，在使用这段代码时，你需要确保已经安装了scipy库。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [python进行t检验示例](https://blog.csdn.net/lanhezhong/article/details/105492468)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]