二项分布假设检验python代码

在Python中，我们可以使用SciPy库来进行二项分布的假设检验。二项分布通常用于计数型数据，比如实验成功次数在n次独立尝试下的分布。伯努利试验的成功概率记为p，如果这些试验是相互独立并且每次成功的概率都是p，那么实验得到k次成功的次数就服从二项分布。

下面是一个简单的例子，展示如何使用SciPy的`binom_test`函数进行二项分布的零假设检验：

from scipy.stats import binom

# 假设我们有50次独立的抛硬币实验，观察到正面朝上30次
n = 50
k = 30
p_hat = k / n  # 猜测的硬币正面向上的概率

# 原始零假设是硬币是公平的，即p=0.5
null_hypothesis = p_hat == 0.5

# 计算p值，p值越小，拒绝原假设的可能性越大
p_value = binom_test(k, n, p=0.5, alternative='two_sided')

print("原始零假设:", null_hypothesis)
print("p值:", p_value)

# 如果p值小于预先设定的显著性水平（例如0.05），则拒绝原假设
alpha = 0.05
if p_value < alpha:
    print("拒绝原假设，认为硬币不公平")
else:
    print("接受原假设，认为硬币可能是公平的")