Python统计分析：[2]相关样本T检验
上一篇文章介绍了独立皱诣愚继样本T检验，现在接着使用Python进行相关样本的T检验，主要用到了scipy.stats.ttest_rel，我们先来看看其基本的用法：
引入相关模块，这次我们使用stats的![Python统计分析：[2]相关样本T检验](https://exp-picture.cdn.bcebos.com/1f03436b04d14929c72f00a763e5eceeacbc7e3f.jpg)
这是产生的两个变量的数据的一部分![Python统计分析：[2]相关样本T检验](https://exp-picture.cdn.bcebos.com/bf6e59704618dfda829c023289214f579256773f.jpg)
从p值可以看出，这两列数据是没有差异的。![Python统计分析：[2]相关样本T检验](https://exp-picture.cdn.bcebos.com/4e168d5653bbf820095cafbfba21056105a36e3f.jpg)
我们可以看一下数据的基本内容：![Python统计分析：[2]相关样本T检验](https://exp-picture.cdn.bcebos.com/65ba880b3121056175046c5d08aee8d7582a6a3f.jpg)
输出的结果可见两列变量均值无差异![Python统计分析：[2]相关样本T检验](https://exp-picture.cdn.bcebos.com/586bfdefe0781431a6110bd8dc6699cf0353623f.jpg)
这是产生的结果可见：第一个array表示t值，两个表示p值，因此我们可以知道p(scoreA)=0.126>0.05![Python统计分析：[2]相关样本T检验](https://exp-picture.cdn.bcebos.com/332d496699cf025351c41a316b36e29146e85f3f.jpg)
声明：本网站引用、摘录或转载内容仅供网站访问者交流或参考，不代表本站立场，如存在版权或非法内容，请联系站长删除，联系邮箱：site.kefu@qq.com。