如何在Python中从t分数中找到P值？

数据是今天社会中非常重要的一种宝贵资产，一切都高度依赖于数据。今天，所有的技术都是数据驱动的，每天都会产生大量的数据。数据是未经加工的信息，数据科学家学会利用它来分析。数据科学家是分析数据源的专业人员，清理和处理数据，以了解数据的创建原因和方式，以提供支持业务选择并从而为公司带来利润的见解。为了检测数据中的模式和趋势，数据科学家采用了一系列的统计公式和计算机算法。本文将着重介绍P值和t分数，以及如何在Python中从t分数中找到P值。

什么是P值？

在统计学中，假设检验的观察结果产生的严重程度至少与零假设相同的机会是P值。P值用于替代拒绝点，以显示拒绝零假设的最小显著水平。较小的P值表示有更多的证据支持备择假设。

什么是t分数？

t分数又称为t值，是与t平均数分布相差的标准差数量。在t测试和回归分析中，所采用的检验统计量就是t分数。当数据遵循t分布时，可用于表示一个观察结果与平均数的距离。

如何在Python中从t分数中找到P值？

在Python中，可以使用scipy.stats.t.sf()函数获得与给定的t分数相对应的P值，该函数的语法如下：

scipy.stats.t.sf(abs(x), df)

• x：t分数
• df：自由度

1. 左尾检验

假设我们希望得到一次左尾假设检验的P值，t分数为-0.77，自由度为15。

示例

!pip3 install scipy
import scipy.stats
#找到P值
scipy.stats.t.sf(abs(-0.77), df=15)

输出

0.2266283049085413

这个P值为0.2266。如果我们将显著性阈值设置为0.05，由于这个P值不小于0.05，我们将无法拒绝假设检验的零假设。

2. 右尾检验

假设我们希望得到一次右尾假设检验的P值，t分数为1.87，自由度为24。

示例

import scipy.stats
#找到P值
scipy.stats.t.sf(abs(1.87), df=24)

输出

0.036865328383323424

这个P值为0.0368。如果我们将显著性阈值设置为0.05，则由于这个P值小于0.05，我们将拒绝假设检验的零假设。

3. 双尾检验

假设我们希望得到一次双尾假设检验的P值，t分数为1.24，自由度为22。

示例

import scipy.stats
#找到双尾检验的p值
scipy.stats.t.sf(abs(1.24), df=22)*2

输出

0.22803901531680093

0.2280是p值。由于此p值不小于0.05，如果我们应用等于0.05的显著性阈值，我们将无法拒绝我们的假设测试的零假设。

结论

讨论了p值和t值。这两个都用于统计学中，以从数据中获得洞见并有助于更准确的预测。此外，使用Python，我们可以从t-分数计算P-值。