ttest_1samp假设检验用于比较样本的先前性能

Question

我的问题我想解决

我有11个月的业绩数据：

        Month  Branded  Non-Branded  Shopping  Grand Total
0    2/1/2015     1330          334       161         1825
1    3/1/2015     1344          293       197         1834
2    4/1/2015      899          181       190         1270
3    5/1/2015      939          208       154         1301
4    6/1/2015     1119          238       179         1536
5    7/1/2015      859          238       170         1267
6    8/1/2015      996          340       183         1519
7    9/1/2015     1138          381       172         1691
8   10/1/2015     1093          395       176         1664
9   11/1/2015     1491          426       199         2116
10  12/1/2015     1539          530       156         2225

假设是2016年2月1日，我在问：“一月份的结果与过去11个月的结果有统计学上的不同吗？”

       Month  Branded  Non-Branded  Shopping  Grand Total
11  1/1/2016     1064          408       106         1578

我看到一个博客.

我偶然看到了伊恩加拉格尔的博客，我会在这里复制(以防博客崩溃)。

1-样本t检验 当我们想要将一个样本平均数和一个总体平均值(我们已经知道的)进行比较时，使用了1样本t检验。英国人的平均身高是175.3厘米。一项调查记录了10名英国男性的身高，我们想知道样本的平均值是否与人口平均数不同。

# 1-sample t-test
from scipy import stats
one_sample_data = [177.3, 182.7, 169.6, 176.3, 180.3, 179.4, 178.5, 177.2, 181.8, 176.5]

one_sample = stats.ttest_1samp(one_sample_data, 175.3)

print "The t-statistic is %.3f and the p-value is %.3f." % one_sample

结果：

The t-statistic is 2.296 and the p-value is 0.047.

终于回答了我的问题.

在艾恩加拉格尔的例子中，他知道总体的平均值，并正在比较一个样本(one_sample_data)。在我的例子中，我想看看1/1/2016在统计上是否与前11个月不同。因此，在我的例子中，前11个月是一个数组(而不是单个总体平均值)，我的示例是一个数据点(而不是数组).所以它有点向后。

问题

如果我关注的是Shopping列数据：

即使我的示例(第一个参数)是以前的结果列表，scipy.stats.1样本([161,197,190,154,179,170,183,172,176,199,156], 106)也会产生一个有效的结果吗?我正在将它与一个popmean进行比较--它不是总体平均值，而是一个示例。

如果这不是正确的统计函数，对于这个假设检验情况有什么建议吗？

Answer 1

如果您只对"Shopping"列感兴趣，请尝试创建一个.xlsx或.csv文件，其中只包含来自"Shopping"列的数据。

通过这种方式，您可以导入这些数据，并利用熊猫对每个列执行相同的T测试。

import pandas as pd
from scipy import stats
data = pd.read_excel("datafile.xlxs")
    one_sample_data = data["Shopping"]

    one_sample = stats.ttest_1samp(one_sample_data, 175.3)