如何计算两个浮点数列表的P值？

Question

我有一些浮点数列表，例如[1.33,2.555,3.2134,4.123123]等等，这些列表是某些东西的平均频率。我如何证明两个列表不同？我考虑计算p值。是否有函数可以做到这一点？我查阅了scipy文档，但无法确定要使用哪个函数。

有人能给些建议吗？

- YKY

---

你的意思是像t-test吗？是的，在scipy中有这样一个函数。 - Cory Kramer

哦，谢谢你指引我正确的方向。我会尝试其中一个。 - YKY

我不确定p值是否是您要找的。不仅t检验，还有其他各种方法，例如scipy.stats.spearmanr和scipy.stats.mannwhitneyu也提供p值。因此，当您在统计学中进行假设检验时，p值可以帮助您确定结果的显著性。 - Zero

请查看以下链接以了解如何使用NumPy计算统计t检验：https://dev59.com/KHE95IYBdhLWcg3wadKq - Sergio Martinez

Answer 1

假设你有一个浮点数列表如下：

>>> data = {
...     'a': [0.9, 1.0, 1.1, 1.2],
...     'b': [0.8, 0.9, 1.0, 1.1],
...     'c': [4.9, 5.0, 5.1, 5.2],
... }

显然，a与b非常相似，但两者都与c不同。

您可能想要进行两种比较。

1. 成对比较: a是否类似于b? a是否类似于c? b是否类似于c?
2. 组合比较: a、b和c是否来自同一组？（这通常是一个更好的问题）

前者可以使用独立的t检验来实现，如下所示：

>>> from itertools import combinations
>>> from scipy.stats import ttest_ind
>>> for list1, list2 in combinations(data.keys(), 2):
...     t, p = ttest_ind(data[list1], data[list2])
...     print list1, list2, p
...
a c 9.45895002589e-09
a b 0.315333596201
c b 8.15963804843e-09

这提供了相关的p值，并意味着a和c不同，b和c不同，但a和b可能相似。

后者可以通过以下方式使用单因素方差分析来实现：

>>> from scipy.stats import f_oneway
>>> t, p =  f_oneway(*data.values())
>>> p
7.959305946160327e-12

p 值表明 a、b 和 c 不太可能来自同一总体。

- S Anand

---

感谢您抽出时间向我解释。我进行了一些阅读，似乎我需要使用scipy.stats.chi2_contingency函数，因为我正在比较来自两个独立总体的均值。这是正确的吗？ - YKY

不是使用 chi2 检验来测试数据集的频率计数是否相关吗？如果您的数组值是浮点数而不是整数，则绝对不要使用 chi2_contingency。您需要使用 ttest_ind。 - S Anand

谢谢。我会尝试一下。另外，为什么 chi2 函数不能处理浮点数？ - YKY

@YKY chi2 用于比较期望频率和实际频率。频率始终为整数，而不是浮点数。这只是一个简单的测试，我们可以使用它来检查是否应用了错误的分析方法。如果我们将 chi2 应用于浮点数，则应用了错误的技术，因为频率不能是浮点数。 - S Anand