数据分析之独立样本的T-Test分析
比较两个独立样本数据之间是否有显著性差异，将实验数据与标准数据对比，查看
实验结果是否符合预期。T-Test在生物数据分析，实验数据效果验证中很常见的数
据处理方法。- T-table查找表
独立样本T-test条件：
1. 每个样本相互独立没有影响
2. 样本大致符合正态分布曲线
3. 具有同方差异性
单侧检验(one-tail Test)与双侧检验(Two-Tail Test)
基本步骤：
1.双侧检验, 条件声明 alpha值设置为0.05
根据t-table, alpha = 0.05, df = 38时, 对于t-table的值为2.0244
2. 计算自由度(Degree of Freedom)
Df = （样本1的总数 + 样本2的总数）- 2
3. 声明决策规则
如果计算出来的结果t-value的结果大于2.0244或者小于-2.0244则拒绝
4. 计算T-test统计值
5. 得出结论
如果计算结果在双侧区间之内，说明两组样本之间没有显著差异。
可重复样本的T-Test计算
同样一组数据在不同的条件下得到结果进行比对，发现是否有显著性差异，最常见
的对一个人在饮酒与不饮酒条件下驾驶车辆测试，很容易得出酒精对驾驶员有显著
影响
算法实现：
对独立样本的T-Test计算最重要的是计算各自的方差与自由度df1与df2
对可重复样本的对比t-test计算
程序实现：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
|
package com.gloomyfish.data.mining.analysis;
public class TTestAnalysisAlg {
private double alpahValue = 0.05; // default
private boolean dependency = false; // default
public TTestAnalysisAlg() {
System.out.println("t-test algorithm");
}
public double getAlpahValue() {
return alpahValue;
}
public void setAlpahValue(double alpahValue) {
this.alpahValue = alpahValue;
}
public boolean isDependency() {
return dependency;
}
public void setDependency(boolean dependency) {
this.dependency = dependency;
}
public double analysis(double[] data1, double[] data2) {
double tValue = 0;
if (dependency) {
// Repeated Measures T-test.
// Uses the same sample of subjects measured on two different
// occasions
double diffSum = 0.0;
double diffMean = 0.0;
int size = Math.min(data1.length, data2.length);
double[] diff = new double[size];
for(int i=0; i
{
diff[i] = data2[i] -data1[i];
diffSum += data2[i] -data1[i];
}
diffMean = diffSum / size;
diffSum = 0.0;
for(int i=0; i
{
diffSum += Math.pow((diff[i] -diffMean), 2);
}
double diffSD = Math.sqrt(diffSum / (size - 1.0));
double diffSE = diffSD / Math.sqrt(size);
tValue = diffMean / diffSE;
} else {
double means1 = 0;
double means2 = 0;
double sum1 = 0;
double sum2 = 0;
// calcuate means
for (int i = 0; i < data1.length; i++) {
sum1 += data1[i];
}
for (int i = 0; i < data2.length; i++) {
sum2 += data2[i];
}
means1 = sum1 / data1.length;
means2 = sum2 / data2.length;
// calculate SD (Standard Deviation)
sum1 = 0.0;
sum2 = 0.0;
for (int i = 0; i < data1.length; i++) {
sum1 += Math.pow((means1 - data1[i]), 2);
}
for (int i = 0; i < data2.length; i++) {
sum2 += Math.pow((means2 - data2[i]), 2);
}
double sd1 = Math.sqrt(sum1 / (data1.length - 1.0));
double sd2 = Math.sqrt(sum2 / (data2.length - 1.0));
// calculate SE (Standard Error)
double se1 = sd1 / Math.sqrt(data1.length);
double se2 = sd2 / Math.sqrt(data2.length);
System.out.println("Data Sample one - > Means :" + means1
+ " SD : " + sd1 + " SE : " + se1);
System.out.println("Data Sample two - > Means :" + means2
+ " SD : " + sd2 + " SE : " + se2);
|
数据分析咨询请扫描二维码
若不方便扫码，搜微信号：CDAshujufenxi
在这个瞬息万变的时代，许多人都在寻找能让他们脱颖而出的职业。而数据分析师，作为大数据和人工智能时代的热门职业，自然吸引了 ...
2025-01-14Python作为一门功能强大的编程语言，已经成为数据分析和可视化领域的重要工具。无论你是数据分析的新手，还是经验丰富的专业人士 ...
2025-01-10完全靠数据决策，真的靠谱吗？ 最近几年，“数据驱动”成了商界最火的关键词之一，但靠数据就能走天下？其实不然！那些真正成功 ...
2025-01-09SparkSQL 结构化数据处理流程及原理是什么？Spark SQL 可以使用现有的Hive元存储、SerDes 和 UDF。它可以使用 JDBC/ODB ...
2025-01-09在如今这个信息爆炸的时代，数据已然成为企业的生命线。无论是科技公司还是传统行业，数据分析正在深刻地影响着商业决策以及未来 ...
2025-01-08“数据为王”相信大家都听说过。当前，数据信息不再仅仅是传递的媒介，它成为了驱动经济发展的新燃料。对于企业而言，数据指标体 ...
2025-01-07在职场中，当你遇到问题的时候，如果感到无从下手，或者抓不到重点，可能是因为你掌握的思维模型不够多。 一个好用的思维模型， ...
2025-01-06在现代企业中，数据分析师扮演着至关重要的角色。每天都有大量数据涌入，从社交媒体到交易平台，数据以空前的速度和规模生成。面 ...
2025-01-06在职场中，许多言辞并非表面意思那么简单，有时需要听懂背后的“潜台词”。尤其在数据分析的领域里，掌握常用术语就像掌握一门新 ...
2025-01-04在当今信息化社会，数据分析已成为各行各业的核心驱动力。它不仅仅是对数字进行整理与计算，而是在数据的海洋中探寻规律，从而指 ...
2025-01-03又到一年年终时，各位打工人也迎来了展示成果的关键时刻 —— 年终述职。一份出色的年终述职报告，不仅能全面呈现你的工作价值， ...
2025-01-03在竞争激烈的商业世界中，竞品分析对于企业的发展至关重要。今天，我们就来详细聊聊数据分析师写竞品分析的那些事儿。 一、明确 ...
2025-01-03在数据分析的江湖里，有两个阵营总是争论不休。一派信奉“大即是美”，认为数据越多越好；另一派坚守“小而精”，力挺质量胜于规 ...
2025-01-02数据分析是一个复杂且多维度的过程，从数据收集到分析结果应用，每一步都是对信息的提炼与升华。可视化分析结果，以图表的形式展 ...
2025-01-02在当今的数字化时代，数据分析师扮演着一个至关重要的角色。他们如同现代企业的“解密专家”，通过解析数据为企业提供决策支持。 ...
2025-01-02数据分析报告至关重要 一份高质量的数据分析报告不仅能够揭示数据背后的真相，还能为企业决策者提供有价值的洞察和建议。 年薪 ...
2024-12-31数据分析，听起来好像是技术大咖的专属技能，但其实是一项人人都能学会的职场硬核能力！今天，我们来聊聊数据分析的核心流程，拆 ...
2024-12-31提到数据分析，你脑海里可能会浮现出一群“数字控”抱着电脑，在海量数据里疯狂敲代码的画面。但事实是，数据分析并没有你想象的 ...
2024-12-31关于数据分析师是否会成为失业高危职业，近年来的讨论层出不穷。在这个快速变化的时代，技术进步让人既兴奋又不安。今天，我们从 ...
2024-12-30数据分析师在现代企业中扮演着关键角色，他们的工作内容不仅丰富多样，还对企业的决策和发展起着重要的作用。正如一个经验丰富的 ...
2024-12-29
