Python：統計T檢驗

Question

我正在使用python 3.6在數據集上運行一些統計測試。 我要完成的工作是在數據集和趨勢線之間進行t檢驗以確定統計顯着性。 我並使用scipy進行此操作，但是我不確定應該在測試中包括哪些變量以獲得所需的結果。

到目前為止，這是我的代碼：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

p = np.load('data.npy')

#0=1901
start=0
end=100

plt.figure()
plt.plot(a,annualmean,  '-')
slope, intercept, r_value, p_value, std_err = stats.linregress(a,annualmean)
plt.plot(a,intercept+slope*a, 'r')

annualmean=[]
for n in range(start,end):
    annualmean.append(np.nanmean(p[n]))

#Trendline Plots
a=range(start,end)
year1 = 1901

print(stats.ttest_ind(annualmean,a))

現在代碼可以正常工作了，沒有錯誤消息，但是我得到了一個我認為不正確的小p值。 如果有人知道我應該將哪些變量寫入t檢驗，將非常有幫助。 謝謝！

Answer 1

我沒有發表評論的聲譽，但是根據您的代碼，您正在進行t檢驗，比較年度平均值數據和0-100之間的均值。 scipy.stats.ttest采用兩個大小相等的數組，您要比較它們的均值。

根據文檔 ：

scipy.stats.ttest_ind(a, b, axis=0, equal_var=True)[source]

Parameters: 
a, b : array_like
The arrays must have the same shape, except in the dimension corresponding to axis (the first, by default).

另外請注意，在趨勢線和原始數據之間進行t檢驗是沒有意義的，但這是另一個論壇的問題

Answer 2

原來，我對如何檢驗統計顯着性感到困惑。 我已經找到了該行中數據的p值：

slope, intercept, r_value, p_value, std_err = stats.linregress(a,annualmean)

我要做的就是：print（p_value）