利用Python做假设检验、参数估计、方差分析、线性回归

简介: 利用Python做假设检验、参数估计、方差分析、线性回归

参数估计

方差比的置信区间

import numpy as np
from scipy.stats import f
# 定义一个实现方差比置信区间的函数
def var_ratio_ci_est(data1,data2,alpha):
    n1 = len(data1)  # 样本1的样本容量
    n2 = len(data2)  # 样本2的样本容量
    f_lower_value = f.ppf(alpha/2,n1-1,n2-1)  # 左侧临界值
    f_upper_value = f.ppf(1-alpha/2,n1-1,n2-1) # 右侧临界值
    var_ratio = np.var(data1) / np.var(data2)
    return var_ratio / f_upper_value,var_ratio / f_lower_value
salary_18 = [1484, 785, 1598, 1366, 1716, 1020, 1716, 785, 3113, 1601]
salary_35 = [902, 4508, 3809, 3923, 4276, 2065, 1601, 553, 3345, 2182]
print(var_ratio_ci_est(salary_18,salary_35,0.05))
(0.05314530971751432, 0.8614126063098585)

均值差的置信区间

import numpy as np
from scipy.stats import t
# 两个正态总体均值差的置信区间
def mean_diff_ci_t_est(data1,data2,alpha,equal=True):
    n1 = len(data1)  # 样本1的样本容量
    n2 = len(data2)  # 样本2的样本容量
    mean_diff = np.mean(data1) - np.mean(data2) # 两个样本的均值差(两个总体均值差的无偏点估计)
    sample1_var = np.var(data1)  # 样本1的方差
    sample2_var = np.var(data2)  # 样本2的方差
    if equal:   # 方差未知且相等
        sw = np.sqrt(((n1-1)*sample1_var + (n2-1)*sample2_var) / (n1+n2-2))
        t_value = np.abs(t.ppf(alpha/2,n1+n2-2))  # t值
        return mean_diff - sw*np.sqrt(1/n1+1/n2)*t_value, \
               mean_diff + sw*np.sqrt(1/n1+1/n2)*t_value
    else:  # 方差未知且不等
        df_numerator = (sample1_var/n1+sample2_var/n2)**2  # 自由度分子
        # 自由度分母
        df_denominator = (sample1_var/n1)**2/(n1-1) + (sample2_var/n2)**2/(n2-1)
        df = df_numerator / df_denominator  # 自由度
        t_value = np.abs(t.ppf(alpha/2,df))
        return mean_diff - np.sqrt(sample1_var/n1 + sample2_var/n2)*t_value, \
               mean_diff + np.sqrt(sample1_var/n1 + sample2_var/n2)*t_value
salary_18 = [1484, 785, 1598, 1366, 1716, 1020, 1716, 785, 3113, 1601]
salary_35 = [902, 4508, 3809, 3923, 4276, 2065, 1601, 553, 3345, 2182]
print(mean_diff_ci_t_est(salary_18,salary_35,0.05,equal=True))  # 方差相等
print(mean_diff_ci_t_est(salary_18,salary_35,0.05,equal=False))  # 方差不等
(-2196.676574582891, -199.32342541710875)
(-2227.5521493017823, -168.4478506982175)

一个正态总体方差的点估计和置信区间

import numpy as np
from scipy.stats import chi2
# 定义计算方差的置信区间的函数
def var_ci_est(data,alpha):
    n = len(data) # 样本容量
    s2 = np.var(data)  # 样本方差
    # chi2.ppf(alpha/2,n-1)的意思是返回左侧面积为alpha/2的卡方值
    chi2_lower_value = chi2.ppf(alpha/2,n-1)
    # # chi2.ppf(1-alpha/2,n-1)的意思是返回左侧面积为1-alpha/2的卡方值
    chi2_upper_value = chi2.ppf(1-alpha/2,n-1)
    return (n-1) * s2 / chi2_upper_value,(n-1) * s2 / chi2_lower_value
salary_18 = [1484, 785, 1598, 1366, 1716, 1020, 1716, 785, 3113, 1601]
salary_35 = [902, 4508, 3809, 3923, 4276, 2065, 1601, 553, 3345, 2182]
# 样本方差是总体方差的无偏点估计,再调用函数计算方差的置信区间
print(np.std(salary_18),np.var(salary_18),var_ci_est(salary_18,0.05))
print(np.std(salary_35),np.var(salary_35),var_ci_est(salary_35,0.05))
631.0754629994736 398256.24 (188421.9056837747, 1327329.3204650925)
1364.3074580167038 1861334.8399999999 (880629.6611156773, 6203554.546528138)

一个正态总体均值的点估计和置信区间

import numpy as np
from scipy.stats import norm, t
# 计算一个正态总体均值的置信区间的函数
def mean_ci_est(data,alpha,sigma=None):
    n = len(data)  # 样本容量
    sample_mean = np.mean(data)  # 样本均值
    if sigma is None:  # 方差未知的情况
        s = np.std(data)
        se = s / np.sqrt(n)
        # t.ppf(alpha / 2,n-1)返回的是左侧面积为alpha / 2对应的t值
        t_value = np.abs(t.ppf(alpha / 2,n-1))
        # 根据公式返回置信区间
        return sample_mean - se * t_value,sample_mean + se * t_value
    else:   # 方差已知的情况
        se = sigma / np.sqrt(n) # 标准误
        # norm.ppf(alpha / 2)返回的是左侧面积为alpha / 2对应的z值
        z_value = np.abs(norm.ppf(alpha / 2))
        # 根据公式返回置信区间
        return sample_mean - se * z_value,sample_mean + se * z_value
salary_18 = [1484, 785, 1598, 1366, 1716, 1020, 1716, 785, 3113, 1601]
salary_35 = [902, 4508, 3809, 3923, 4276, 2065, 1601, 553, 3345, 2182]
# 样本均值是总体均值的无偏点估计,并调用函数计算均值的置信区间
print(np.mean(salary_18),mean_ci_est(salary_18,0.05))
print(np.mean(salary_35),mean_ci_est(salary_35,0.05))
1518.4 (1066.9558093661096, 1969.8441906338905)
2716.4 (1740.433238065152, 3692.366761934848)

假设检验

初始化设置

import pandas as pd
import scipy.stats as ss
import matplotlib
# 解决绘图的兼容问题
%matplotlib inline
matplotlib.rcParams['font.sans-serif'] = ['SimHei']

单样本t检验的SciPy实现方式

ccss = pd.read_excel("CCSS_sample.xlsx",sheet_name="CCSS")  # 读取Excel文件中名称为CCSS的表单
ccss.head()
# 广州基期的消费信心指数的描述统计
ccss.query("s0 == '广州' & time == 203004" ).index1.describe()
from scipy import stats as ss
# 单样本t检验
ss.ttest_1samp(ccss.query("s0 == '广州' & time == 203004" ).index1,100)


Ttest_1sampResult(statistic=-1.3625667518512996, pvalue=0.17611075148299993)

我们可以看出P值大于0.05,接受H0,没有显著性差异

单样本t检验的statsmodels实现方式

from statsmodels.stats import weightstats as ws
des = ws.DescrStatsW(ccss.query("s0 == '广州' & time == 203004").index1)
des.mean
97.16472701710536
# 置信水平为95%的置信区间(可信区间)
des.tconfint_mean()
(93.03590418536487, 101.29354984884586)
# 单样本t检验
des.ttest_mean(100)
(-1.3625667518512996, 0.17611075148299993, 99.0)

我们可以看出P值大于0.05,接受H0,没有显著性差异

两样本t检验SciPy的实现方式

from scipy import stats as ss
# 消费的信心指数分布的对称性考察
ccss.index1.plot.hist()

# 不同婚姻状况的消费信心指数分组描述
ccss.groupby('s7').index1.describe()

# 两样本t检验(方差齐性)

ss.ttest_ind(ccss.index1[ccss.s7 == '未婚'],ccss.index1[ccss.s7 == '已婚'])

# 方差齐性检验
ss.levene(ccss.index1[ccss.s7 == '未婚'],ccss.index1[ccss.s7 == '已婚'])
LeveneResult(statistic=0.6178738290825966, pvalue=0.4320031337363959)
# 两样本t检验(方差齐性)
ss.ttest_ind(ccss.index1[ccss.s7 == '未婚'],ccss.index1[ccss.s7 == '已婚'])
Ttest_indResult(statistic=2.4052614244262576, pvalue=0.01632071963816213)
# 两样本t检验(方差不齐性)
ss.ttest_ind(ccss.index1[ccss.s7 == '未婚'],ccss.index1[ccss.s7 == '已婚'],
        equal_var=False)
Ttest_indResult(statistic=2.466907208318663, pvalue=0.013870358702526698)

两样本t检验statsmodels的实现方式

from statsmodels.stats import weightstats as ws
d1 = ws.DescrStatsW(ccss.index1[ccss.s7 == '未婚'])  # 未婚的消费信心指数数据
d2 = ws.DescrStatsW(ccss.index1[ccss.s7 == '已婚'])  # 已婚的消费信心指数数据
comp = ws.CompareMeans(d1,d2)  # 创建CompareMeans对象
comp.ttest_ind()  # 两组独立样本t检验(方差齐性)
(2.4052614244262576, 0.01632071963816213, 1131.0)
comp.ttest_ind(usevar='unequal')  # 两组独立样本t检验(方差不齐性)
(2.4669072083186636, 0.013870358702526675, 690.0875773844764)

配对t检验的SciPy实现

import scipy.stats as ss
import pandas as pd
ccss_p.loc[:,['index1','index1n']].describe()  # 取出4月和12月信心指数,并描述


# 用相关分析确认配对信息是否的确存在
ss.pearsonr(ccss_p.index1,ccss_p.index1n)
(0.2638011798615908, 0.01301162367951006)
# 配对t检验
ss.ttest_rel(ccss_p.index1,ccss_p.index1n)
Ttest_relResult(statistic=1.1616334792419984, pvalue=0.24856144386191056)

方差分析

单因素方差分析的SciPy实现

导包

import pandas as pd
import scipy.stats as ss
import matplotlib
# 解决绘图的兼容问题
%matplotlib inline
matplotlib.rcParams['font.sans-serif'] = ['SimHei']  
ccss = pd.read_excel("CCSS_sample.xlsx",sheet_name="CCSS")  # 读取Excel文件中名称为CCSS的表单
# 分别提取出北京四个时间段的消费信心数据
a = ccss.query("s0 == '北京' & time == 203004 ").index1
b = ccss.query("s0 == '北京' & time == 203012 ").index1
c = ccss.query("s0 == '北京' & time == 203112 ").index1
d = ccss.query("s0 == '北京' & time == 203212 ").index1
ss.levene(a,b,c,d)  # 方差齐性检验
LeveneResult(statistic=0.44332330387152036, pvalue=0.7221678627997157)
ss.f_oneway(a,b,c,d)  # 单因素方差分析
F_onewayResult(statistic=5.630155391280303, pvalue=0.0008777240313291846)

事后检验

# 需要先在环境中安装scikit_posthocs包:pip install scikit_posthocs
import scikit_posthocs as sp
# 创建对象,该对象接收事后检验的数据,并且设置p值校正的方法(控制两两比较的α值)为'bonferroni'
pc = sp.posthoc_conover(ccss,val_col='index1',group_col='time',
                        p_adjust='bonferroni')
# 使用热力图显示比较结果
heatmap_args = {'linewidths': 0.25, 'linecolor': '0.5', 'clip_on': False, 
        'square': True, 'cbar_ax_bbox': [0.80, 0.35, 0.04, 0.3]}
sp.sign_plot(pc,**heatmap_args) # 绘制热力图


非参数方法

SciPy实现有符号秩和检验

import numpy as np
from scipy import stats
data = [36, 32, 31, 25, 28, 36, 40, 32, 41, 26, 35, 35, 32, 87, 33, 35]
data = np.array(data)  # 转换为numpy数组,方便运算
# 检验总体均值是否为37
k = min(len(data[data>37]),len(data[data<37]))
pvalue = 2*stats.binom.cdf(k,len(data),0.5)
print(pvalue)
0.021270751953125

SciPy实现秩和检验

import scipy.stats as stats
weight_high=[134,146,104,119,124,161,107,83,113,129]  # 高蛋白人群的体重的样本
weight_low=[70,118,101,85,112,132,94,100,68,86]  # 低蛋白人群的体重的样本
# mannwhitneyu方法针对样本容量相等或不等都是适用的
stats.mannwhitneyu(weight_high,weight_low,alternative='two-sided')
MannwhitneyuResult(statistic=81.0, pvalue=0.0211339281291611)

一元线性回归

import pandas as pd
import scipy.stats as ss
ccss = pd.read_excel("CCSS_sample.xlsx",sheet_name="CCSS")  # 读取Excel文件中名称为CCSS的表单
# 建立年龄和总消费信心指数的回归方程
ss.linregress(ccss.s3,ccss.index1)
LinregressResult(slope=-0.3576848241677336, intercept=108.89832302796889, rvalue=-0.2190793138600294, pvalue=6.243013355018415e-14, stderr=0.047077765734542185, intercept_stderr=1.815504369310354)
# 以k*2形式的二维数组提供数据
ss.linregress(ccss.loc[:,['s3','index1']])
LinregressResult(slope=-0.3576848241677336, intercept=108.89832302796889, rvalue=-0.2190793138600294, pvalue=6.243013355018415e-14, stderr=0.047077765734542185, intercept_stderr=1.815504369310354)


目录
相关文章
|
15天前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品消费模式分析的深度学习模型
使用Python实现智能食品消费模式分析的深度学习模型
109 70
|
23天前
|
机器学习/深度学习 算法 数据挖掘
线性回归模型的原理、实现及应用,特别是在 Python 中的实践
本文深入探讨了线性回归模型的原理、实现及应用,特别是在 Python 中的实践。线性回归假设因变量与自变量间存在线性关系,通过建立线性方程预测未知数据。文章介绍了模型的基本原理、实现步骤、Python 常用库(如 Scikit-learn 和 Statsmodels)、参数解释、优缺点及扩展应用,强调了其在数据分析中的重要性和局限性。
50 3
|
17天前
|
机器学习/深度学习 数据采集 TensorFlow
使用Python实现智能食品消费习惯分析的深度学习模型
使用Python实现智能食品消费习惯分析的深度学习模型
121 68
|
13天前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费市场分析的深度学习模型
使用Python实现智能食品消费市场分析的深度学习模型
91 36
|
7天前
|
数据可视化 算法 数据挖掘
Python量化投资实践:基于蒙特卡洛模拟的投资组合风险建模与分析
蒙特卡洛模拟是一种利用重复随机抽样解决确定性问题的计算方法,广泛应用于金融领域的不确定性建模和风险评估。本文介绍如何使用Python和EODHD API获取历史交易数据,通过模拟生成未来价格路径,分析投资风险与收益,包括VaR和CVaR计算,以辅助投资者制定合理决策。
48 15
|
11天前
|
机器学习/深度学习 数据采集 数据挖掘
使用Python实现智能食品消费趋势分析的深度学习模型
使用Python实现智能食品消费趋势分析的深度学习模型
66 18
|
20天前
|
测试技术 开发者 Python
使用Python解析和分析源代码
本文介绍了如何使用Python的`ast`模块解析和分析Python源代码,包括安装准备、解析源代码、分析抽象语法树(AST)等步骤,展示了通过自定义`NodeVisitor`类遍历AST并提取信息的方法,为代码质量提升和自动化工具开发提供基础。
34 8
|
29天前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
27 1
|
29天前
|
BI Python
SciPy 教程 之 Scipy 显著性检验 8
本教程介绍SciPy中显著性检验的应用,包括如何利用scipy.stats模块进行显著性检验,以判断样本与总体假设间的差异是否显著。通过示例代码展示了如何使用describe()函数获取数组的统计描述信息,如观测次数、最小最大值、均值、方差等。
28 1
|
1月前
|
Python
SciPy 教程 之 Scipy 显著性检验 7
SciPy 教程之 Scipy 显著性检验第7部分,介绍显著性检验的基本概念及其在 SciPy 中的应用。显著性检验用于评估样本数据与假设之间的差异是否由随机因素引起。SciPy 的 `scipy.stats` 模块提供了执行显著性检验的功能,包括 KS 检验等方法,用于检测数据是否符合特定分布。示例代码展示了如何使用 KS 检验验证一组数据是否符合正态分布。
21 2
下一篇
DataWorks