數據分析檢驗

單樣本檢驗/假設檢驗

d1 = sm.stats.DescrStatsW(datas.rate)

d1.ttest_mean(0.11)

兩樣本檢驗【二分類變量和連續變量之間的關係】

camp0 = camp[camp['Suc_flag']==0]['AvgARPU']

camp1 = camp[camp['Suc_flag']==1]['AvgARPU']

stats.stats.ttest_ind(camp0,camp1)

方差分析【多分類變量和連續變量之間的關係】

import statsmodels.api as sm

from statsmodels.formula.api import  ols

sm.stats.anova_lm(ols('ARPU ~ C(Class)',data=camp).fit())#方差分析

卡方檢驗【兩個分類變量之間的關係】

cross_table = pd.crosstab(camp.Class, camp.Suc_flag)

cross_table_rowpct = cross_table.div(cross_table.sum(1),axis = 0)

print('chisq = %6.4f\n p-value = %6.4f\n dof = %i\n expected_freq = %s'\

      %stats.chi2_contingency(cross_table))

置信區間估計方法

def confint(x, alpha=0.05):

    n = len(x)

    xb = x.mean()

    df = n-1

    tmp = (x.std() / n ** 0.5) * stats.t.ppf(1-alpha/2, df)

    return {'Mean': xb, 'Degree of Freedom':df, 'LB':xb-tmp, 'UB':xb+tmp}