statsmodels.stats.weightstats.DescrStatsW.ztest_mean¶

DescrStatsW.ztest_mean(value=0, alternative='two-sided')[source]¶

零假设的z检验，假设均值等于给定值。

备择假设 H1 定义如下 ‘双侧’: H1: 均值不等于值 ‘大于’ : H1: 均值大于值 ‘小于’ : H1: 均值小于值

Parameters:¶

valuefloat or array

假设的平均值

alternativestr

备择假设，H1，必须是以下之一

‘two-sided’: H1: 均值不等于值（默认） ‘larger’ : H1: 均值大于值 ‘smaller’ : H1: 均值小于值

Returns:¶

tstatfloat

测试统计量

pvaluefloat

t检验的p值

注释

这与在计算均值的标准误差时使用的t检验的自由度校正相同，即它在分母中使用(sum_weights - 1)而不是sum_weights。请参见下面的示例以了解差异。

示例

比例的z检验，有20次观测，其中15次是我们的目标事件

>>> import statsmodels.api as sm
>>> x1 = [0, 1]
>>> w1 = [5, 15]
>>> d1 = sm.stats.DescrStatsW(x1, w1)
>>> d1.ztest_mean(0.5)
(2.5166114784235836, 0.011848940928347452)

这与proportions_ztest不同，因为自由度的修正： >>> sm.stats.proportions_ztest(15, 20.0, value=0.5) (2.5819888974716112, 0.009823274507519247)。

如果我们增加权重以人为地增加一个观察值，我们可以复制来自 proportions_ztest 的结果：

>>> sm.stats.DescrStatsW(x1, np.array(w1)*21./20).ztest_mean(0.5)
(2.5819888974716116, 0.0098232745075192366)