170707 student-t-test with python code

How to access statistical significance
Stackover-t-test
Scipy-statistical-analysis
Wikipedia-student-t-test
Baidu-t-test
Social-Science-Statistical
Baidu-Experience
t-test P值one-tail 和 two-tail 有什么区别?
通俗理解显著性水平1- α 与置信度 α
scipy.stats.ttest_ind
scipy.stats.ttest_rel
plot t-test

T检验是统计学中经常使用到的一种方法，用以推论差异发生的概率。再辅以单侧检验或者双侧检验推测假设检验发生的概率大小。至于采用哪种检验主要取决于所统计指标的属性，如果该指标只有上限或只有下限，一般采用单侧检验；如果指标值范围在一个区间内，一般采用双侧检验

一般情况都是用双侧t检验，如果你根据业务经验知道患者组比对照组应该大的话，可以用单侧检验 。”根据业务经验”,是指你理论是非常确定的 ，一组值比另一组大或者是小。一般都是双侧的。

t=X¯¯¯1−X¯¯¯2((N1−1)s21+(N2−1)s22N1+N2−2)(1N1+1N2)−−−−−−−−−−−−−−−−−−−−−−√

Code:

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Fri Jul  7 09:09:01 2017

@author: brucelau
"""
from scipy import stats
import numpy as np

# one pair
v1 = np.array([1,2,3,4,5,6])
v2 = np.array([7,8,9,10,11,12])

t,p = stats.ttest_ind(v1,v2,equal_var=False)
print('t-value is: %f,\np-vaule is: %f'%(t,p),'\n')


# two pairs
v1 = np.array([np.arange(1,7),np.arange(13,19)])
v2 = np.array([np.arange(7,13),np.arange(19,25)])

t_values = stats.ttest_ind(v1,v2,equal_var=False,axis=1)
print(t_values)

Calculate details

附：linux旋转屏幕

xrandr -o left 向左旋转90度
xrandr -o right 向右旋转90度
xrandr -o inverted 上下翻转
xrandr -o normal 回到正常角度