单尾两样本 T 检验
One-Tailed Two Sample T-Test
我有两个样本，大小为 15 个数据点。样本是服药前后的血压。我想对我的数据进行假设检验。
before = np.array([12, 11, 10, 7 , 9, 9.5, 10, 12, 15, 10, 11, 11, 12, 13, 10])
after = np.array([10, 10, 9, 5 , 7, 9, 7, 10, 13, 9, 9, 10, 11, 11, 12])
我要做t检验
我如何通过查看 scipy ttest 函数输出得出我的药物正在起作用并且患者的血压在服药后下降的结论。
stats.ttest_rel(a=after, b=before)
Ttest_relResult(statistic=-4.63809044739016, pvalue=0.00038365801592652317)
统计值小于 0 是否意味着第一组的血压更高。
谢谢。
检验统计量 (-4.63809044739016) 计算如下：
t = d̅ / (s / sqrt(n))
哪里
- d̅ 是差异的样本均值（每对观察值之间）
- s 是差异的样本标准偏差
- n 是样本大小
t为阴性，因为服药后血压平均低于服药前
在原假设（真实均值差为零）下，检验统计量 t 服从具有 n-1（即 14）个自由度的 t 分布。
p 值 (0.00038365801592652317) 是观察到至少与 t 一样极端的值的概率（如果原假设为真）。如果 pvalue 非常小（通常 < 0.05 或 < 0.01），这里就是这种情况，则原假设被拒绝，我们可以得出结论，有强有力的证据表明服药后血压较低。
我有两个样本，大小为 15 个数据点。样本是服药前后的血压。我想对我的数据进行假设检验。
before = np.array([12, 11, 10, 7 , 9, 9.5, 10, 12, 15, 10, 11, 11, 12, 13, 10])
after = np.array([10, 10, 9, 5 , 7, 9, 7, 10, 13, 9, 9, 10, 11, 11, 12])
我要做t检验
我如何通过查看 scipy ttest 函数输出得出我的药物正在起作用并且患者的血压在服药后下降的结论。
stats.ttest_rel(a=after, b=before)
Ttest_relResult(statistic=-4.63809044739016, pvalue=0.00038365801592652317)
统计值小于 0 是否意味着第一组的血压更高。
谢谢。
检验统计量 (-4.63809044739016) 计算如下：
t = d̅ / (s / sqrt(n))
哪里
- d̅ 是差异的样本均值（每对观察值之间）
- s 是差异的样本标准偏差
- n 是样本大小
t为阴性，因为服药后血压平均低于服药前
在原假设（真实均值差为零）下，检验统计量 t 服从具有 n-1（即 14）个自由度的 t 分布。
p 值 (0.00038365801592652317) 是观察到至少与 t 一样极端的值的概率（如果原假设为真）。如果 pvalue 非常小（通常 < 0.05 或 < 0.01），这里就是这种情况，则原假设被拒绝，我们可以得出结论，有强有力的证据表明服药后血压较低。