我正在努力解决的问题
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
假设现在是2016年2月1日 我想问 "一月份的结果和过去11个月的结果是否有统计学上的不同?"
Month Branded Non-Branded Shopping Grand Total
11 1/1/2016 1064 408 106 1578
我遇到了一个博客...
我遇到了 iaingallagher的博客。我将在此转载(以防博客宕机)。
1个样本的T检验
当我们想将样本平均值与人口平均值(我们已经知道)进行比较时,就会用到1个样本T检验。英国男子的平均身高是175.3厘米。一项调查记录了10名英国男子的身高,我们想知道样本的平均值是否与人口平均值不同。
# 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.
最后,针对我的问题...
在iaingallagher的例子中,他知道人口平均数,并比较了一个样本(one_sample_data
). 在我的例子中,我想看看 1/1/2016
与前11个月的数据有统计学上的不同。 所以在我的案例中,前11个月是一个数组(而不是一个单一的人口平均值),而我的样本是一个数据点(而不是一个数组)......所以这是一种倒退。
问题
如果我专注于 Shopping
列数据。
Will scipy.stats.
ttest_1samp([161,197,190,154,179,170,183,172,176,199,156], 106)
产生一个有效的结果,即使我的样本(第一个参数)是一个以前的结果列表,而且我把它与一个 popmean
那不是人口平均值,而是一个样本。
如果这不是正确的统计函数,请问有什么建议,这种假设检验的情况该怎么用?
如果您只对 "Shopping"
列,尝试创建一个.xlsx或.csv文件,其中只包含来自于 "Shopping"
列。
这样你就可以导入这些数据,并利用pandas对每一列分别进行相同的T检验。
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)