配对t检验法的详细步骤,配对t检验假设检验步骤
基于真实的业务案例,课程内容围绕scipy.stats和statsmodels包的相关功能展开。本文从实际统计分析的角度,详细介绍了如何在Python中完成数据描述、t检验、单因素方差分析、卡方检验、相关回归等统计分析操作。
通过本课程的学习,学生将深入学习如何正确考察这些方法的适用条件,并正确选择所需方法加以应用,从而既满足相关统计分析函数的需求,又为进一步学习statsmodels包中复杂的建模函数打下坚实的基础。
[教学大纲]
第一章:变量的统计描述
第二章:连续变量的比较:T检验
第三章:检验方法的适用条件考察。
第四章:多组平均数的比较:单因素方差分析。
第五章:有序分类变量的比较:非参数统计分析方法。
第六章:无序分类变量的比较:卡方检验
第七章:变量间的相关性分析。
第八章:线性回归模型简介
第九章:样本量的计算
[课程长度]
总时长:10小时
[学生基金会]
学生需要了解Python语言的基础编程知识。
不要求学生事先学习统计分析的基础知识,但建议完全没有统计学基础的学生事先学习免费视频课程《统计分析轻松入门》。
不要求学生事先有任何使用统计软件的经验。
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。