我使用什么 scipy 统计测试来比较样本均值？

Question

假设样本量不相等，在以下情况下我应该使用什么测试来比较样本均值（如果以下任何一项不正确，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 = True 和 方差齐性 = False

scipy.stats.ttest_ind(sample_1, sample_2, equal_var = False)

正态分布 = 假 和 方差齐性 = 真

scipy.stats.mannwhitneyu(sample_1, sample_2)

正态分布 = False 和 方差齐性 = False

???

Answer 1

快速回答：

正态分布 = True 和 方差齐性 = False 和 样本大小 > 30-50

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

好答案：

如果您检查中心极限定理，它会说（来自维基百科）：“在概率论中，中心极限定理 (CLT) 指出，在特定条件下，足够多的独立随机迭代次数的算术平均值变量，每个都有明确（有限）的期望值和有限的方差，将近似正态分布，而不管基础分布如何"

因此，尽管您没有正态分布的总体，但如果您的样本足够大（大于 30 或 50 个样本），那么样本的均值将是正态分布的。所以，你可以使用：

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

这是对 2 个独立样本具有相同平均值（预期）值的原假设的双边检验。使用选项 equal_var = False 时，它​​会执行 Welch t 检验，该检验不假定总体方差相等。