标准正态分布表

两总体均值Z检验

自己实现

def twoSampZ(u1, u2,sd1, sd2, n1, n2):from numpy import sqrt, abs, roundfrom scipy.stats import normpooledSE = sqrt(sd1**2/n1 + sd2**2/n2)z = (u1 - u2)/pooledSEpval = 2*(1 - norm.cdf(abs(z)))return round(z, 3), round(pval, 4)

norm.cdf

调用stats

statsmodels.stats.weightstats.ztest(x1,x2, value=0, alternative=‘two-sided’, usevar=‘pooled’, ddof=1.0)

插眼

x1:待检验数据集； x2:待检验数据集；默认为None，双样本检验时不为None；

value:在一个样本中，value是原假设下x1的均值。在两个样本中，value为原假设下x1均值与x2均值之差；

alternative:str,默认为’two-sided’,双尾检验；右尾检验，‘larger’;左尾检验，‘smaller’；

usevar:str,默认为’pooled’,此时认为样本的标准偏差是相同的

两总体比率指标Z检验

自己实现

def twoSampZ_rate(p1, p2,n1, n2):from numpy import sqrt, abs, roundfrom scipy.stats import normpooledSE = sqrt(p1*(1-p1)/n1 + p2*(1-p2)/n2)z = (p1 - p2)/pooledSE# 双尾检验pval = 2*(1 - norm.cdf(abs(z)))return round(z, 3), round(pval, 4)

调用stats

statsmodels.stats.proportion.proportions_ztest(count, nobs, value=None, alternative='two-sided', prop_var=False)

插眼

z_score,p_value=statsmodels.stats.proportion.proportions_ztest([count1,count2], [n1,n2], value=0, alternative='two-sided',)