galon数据父母身高和子女身高是否存在联系的假设检验python代码

在Python中，我们可以使用统计库如`statsmodels`来进行假设检验，例如查看父母身高是否与子女身高存在显著的相关性。首先，我们需要导入必要的模块并准备数据。假设我们有一个包含父母身高和子女身高的DataFrame，名为`data`，其中有一列是`parent_height`，另一列是`child_height`。

import pandas as pd
import statsmodels.api as sm

# 假设数据已经读入 DataFrame data
if 'parent_height' in data.columns and 'child_height' in data.columns:
    # 数据预处理（检查缺失值等）
    data = data.dropna(subset=['parent_height', 'child_height'])

    # 创建模型变量，X是父母身高，y是子女身高
    X = data['parent_height']
    y = data['child_height']

    # 添加截距项
    X = sm.add_constant(X)

    # 进行简单线性回归分析
    model = sm.OLS(y, X)
    results = model.fit()

    # 输出统计量和相关系数（皮尔逊相关系数）
    print("回归结果：")
    print(results.summary())

    # 查看父母身高与子女身高之间的皮尔逊相关系数
    correlation_coefficient = results.params[0]
    print(f"父母身高与子女身高的皮尔逊相关系数: {correlation_coefficient:.2f}")

    # 假设检验（零假设为无关联）
    _, p_value = stats.pearsonr(X, y)
    if p_value < 0.05:
        print("拒绝原假设，父母身高和子女身高之间存在显著正相关（p-value小于0.05）.")
    else:
        print("接受原假设，无法拒绝父母身高和子女身高之间无显著关联（p-value大于等于0.05）.")