单尾双样本T检验
单尾双样本T检验
提问于 2020-11-29 19:27:13
我有两个样本，大小为15个数据点。样本是药物治疗前后的血压。我想对我的数据进行假设检验。
before = np.array([12, 11, 10, 7 , 9, 9.5, 10, 12, 15, 10, 11, 11, 12, 13, 10])
after = np.array([10, 10, 9, 5 , 7, 9, 7, 10, 13, 9, 9, 10, 11, 11, 12])我想做t检验。
我怎么能得出结论，我的药物是有效的，病人的血压下降后，通过观察参与测试功能输出。
stats.ttest_rel(a=after, b=before)
Ttest_relResult(statistic=-4.63809044739016, pvalue=0.00038365801592652317)统计学值小于0是否意味着第一组血压升高的可能性更大。
谢谢。
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-12-11 00:15:26
测试统计量(-4.63809044739016)计算如下：
T= d̅/ (s / sqrt(n))
哪里
样本均值是每对observations)
- s之间的样本标准差，
- n是样本量
。
t是阴性的，因为用药后的血压平均低于用药前。
在零假设(真平均差为零)下，检验统计量t服从t-分布，且具有n-1 (即14)自由度。
P值(0.00038365801592652317)是观察一个值的概率，至少与t一样极端(如果空假设为真)。如果P值很小(通常是< 0.05或< 0.01)，即这里的情况，则无效假设被拒绝，我们可以得出结论，有强有力的证据表明用药后血压较低。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/65064224
复制相关文章
相似问题
腾讯云开发者
