T分布和T检验的理解，Python代码实现T检验的计算

关注

VIP免费原创最新推荐文章于 2022-01-19 10:41:10 发布 8.4k 阅读 AI 写同款· GEO 优化 ›

数理统计——推断统计假设检验与python实现文章目录前言一、假设检验是什么？1.概念2.假设检验的步骤二、常用假设检验1.Z检验2.t检验3.双边检验与单边检验作业前言一台机器包装糖，袋里的糖是一个随机变量，服从正态分布，当机器正常时，其均值为0.5kg，标准差为0.015kg，某天开工后检查机器包装是否正常，随机抽取了下面9袋（0.497,0.506,0.518,0.524,0.498,0.511,0.520,0.515,0.512）,问机器是否正常？如果采用区间估计的思想，其思路和代码实现如下： 1、计算出9袋糖的均值、标准误差； 2、计阅读详情

每天学习一点，每天进步一点。

声明：本人所有的原创，都是自己在学习过程中的记录点滴，不一定都是对的，肯定也会有一些错误的想法。所以大家看一看就好，不可尽信。当然也欢迎指出。

T分布

定义，有来自标准正态分布的样本X ~ N（0,1），和来自卡方n分布的Y ~ X²(n)，
那么有 Z= X/√（Y/n）成为符合自由度为n的T分布

我们用Python代码画一下他的图形

# 给一个自由度，返回这个自由度的卡方分布 X²(n)
def product(n):
    n = np.ceil(n).astype(int)
    if n <=0:return None
    y = np.power(np.random.randn(1000),2)
    for i in range(1,n):
        y += np.power(np.random.randn(1000),2)
    return y
    
x = np.random.randn(1000)
df = 3
y = product(df)
# 根据公式生成T分布
z = x/(np.sqrt(y/df))
# plt.hist(z,bins=100,density=True)
pd.Series(x,name="正态分布").plot(kind="kde",figsize=(12