我用什么scipy统计检验来比较样本的含义？
假设样本量不相等，在以下情况下我应该使用什么样的测试来比较样本均值（如果以下任何一项不正确，请更正）：
正态分布=真和方差齐性=真
scipy.stats.ttest_ind(sample_1, sample_2)
正态分布=真和方差齐性=假
scipy.stats.ttest_ind(sample_1, sample_2, equal_var = False)
正态分布=虚假和方差齐性=真
scipy.stats.mannwhitneyu(sample_1, sample_2)
正态分布=虚假和方差齐性=虚假
???
快速回答：
正态分布=真 ，方差齐性=假 ， 样本量> 30-50
scipy.stats.ttest_ind(sample1, sample2, equal_var=False)
好答案：
如果你检查中心极限定理，它说（来自维基百科）：“在概率论中，中心极限定理（CLT）指出，在给定的条件下，独立随机变量的足够大数量的迭代的算术平均值，每个具有明确定义的（有限的）期望值和有限的方差，将近似正态分布，而与基本分布无关“
所以，虽然你没有正态分布的人口，但如果你的样本足够大（大于30或50个样本），那么样本的平均值将是正态分布的。 所以，你可以使用：
scipy.stats.ttest_ind(sample1, sample2, equal_var=False)
这是对两个独立样本具有相同平均（预期）值的无效假设的双面测试。 通过选项equal_var = False，它执行韦尔奇的t检验，该检验不假定相等的总体方差。
链接地址: http://www.djcxy.com/p/22119.html上一篇: What scipy statistical test do I use to compare sample means?