我用什么scipy统计测试来比较样本均值？

Question

假设样本量不相等,在下列情况下我会用什么样的测试来比较样本均值(如果以下任何一种情况不正确,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=假和方差的均匀性=真

scipy.stats.mannwhitneyu(sample_1, sample_2)

正态分布=假和方差齐性=假

???

Answer 1

快速回答：

正态分布=真实且方差的均质性= False并且样本大小> 30-50

scipy.stats.ttest_ind(sample1, sample2, equal_var=False)

好答案：

如果您检查中央极限定理，它说（来自Wikipedia）：“在概率论中，中央极限定理（CLT）指出，在某些条件下，足够大的独立随机变量迭代的算术平均值，每个具有明确定义的（有限）期望值和有限方差的结果，无论底层分布如何，其近似正态分布”

因此，尽管您没有正态分布的总体，但如果样本足够大（大于30或50个样本），则样本均值将呈正态分布。因此，您可以使用：

scipy.stats.ttest_ind(sample1, sample2, equal_var=False)

这是对零假设的两个方面的检验，即两个独立样本的均值（预期值）相同。使用equal_var = False选项时，将执行Welch的t检验，该检验不假定总体方差相等。