1. Learn
    2. /
  2. 课程
    3. /
  3. Python 假设检验
Connected

道练习

两独立样本均值的检验统计量

用于判断两个总体均值是否存在差异的假设检验，所用的检验统计量不同于第 1 章中的 z 分数。这里使用的是 "t"，它可由每个样本的三个数值按下式计算：

$$ t = \dfrac{(\bar{x}_{\text{child}} - \bar{x}_{\text{adult}})}{\sqrt{\dfrac{s_{\text{child}}^2}{n_{\text{child}}} + \dfrac{s_{\text{adult}}^2}{n_{\text{adult}}}}} $$

在分析为何部分货件延迟时，您可能想知道：按时到达的货件重量是否小于延迟货件的重量。数据集 late_shipments 已按是否延迟分为 "yes" 组（late == "Yes"）与 "no" 组（late == "No"）。货件重量存放在变量 weight_kilograms 中。

两组的样本均值分别为 xbar_no 与 xbar_yes。样本标准差为 s_no 与 s_yes。样本量为 n_no 与 n_yes。已将 numpy 以 np 名称导入。

说明

100 XP
  • 计算 \(t\) 检验统计量的分子。
  • 计算 \(t\) 检验统计量的分母。
  • 使用这两个数计算 \(t\) 检验统计量。