单因子测试算法python代码

单因子测试是一种统计分析方法，通常用于研究单一因素对结果的影响。在Python中，我们可以使用`scipy.stats`库中的`ttest_1samp()`函数来进行单样本T检验，这是一种常见的单因子分析方法。以下是一个简单的例子：

from scipy import stats
import numpy as np

# 假设我们有一组数据，代表某种处理的效果
sample_data = [95, 88, 102, 90, 96, 100, 98]

# 假设我们想检验这个样本平均值是否显著不同于零（假设的均值）
null_hypothesis_mean = 0
sample_size = len(sample_data)
sample_mean = np.mean(sample_data)
sample_std_dev = np.std(sample_data, ddof=1)  # 样本标准差，ddof=1是为了无偏估计

# 使用t-test计算统计量（t值）和p-value
t_statistic, p_value = stats.ttest_1samp(sample_data, null_hypothesis_mean)

print(f"样本平均值：{sample_mean}")
print(f"t值：{t_statistic}")
print(f"p值：{p_value}")

# 如果p值小于预先设定的显著性水平（比如0.05），则拒绝原假设，认为有差异
if p_value < 0.05:
    print("拒绝原假设，存在显著差异")
else:
    print("接受原假设，没有显著差异")