單樣本均值Z檢驗
適合條件：1.總體方差已知，小樣本/大樣本;2.總體方差未知，大樣本(n>=30)
# ho:u<=4,所以value=4,alternative[備擇假設]='lager'
sm.stats.DescrStatsW(moisture['moisture']).ztest_mean(value=4,alternative='lager')
單樣本均值t檢驗
適合條件：總體方差未知，小樣本
#H0：u<=82
sm.stats.DescrStatsW(moisture['csi']).ttest_mean(value=82,alternative='lager')
單樣本比例檢驗
適合條件：大樣本（比如某個產品的合格率）
100個產品，5個不合格
#H0：p<=0.97
stats.binom_test(95,100,p=0.97,alternative='greater')
單樣本方差檢驗
兩獨立樣本均值之差t檢驗
適合條件：假設兩個總體均服從正態
#1.兩樣本方差是否相等【方差齊性】
stats.bartlett(battery[battery['tech']==1]['Endurance']
,battery[battery['tech']==2]['Endurance'])
stats.levene(battery[battery['tech']==1]['Endurance'],battery[battery['tech']==2]['Endurance'])
# levene/Bartlett的原假設都是樣本所來自的總體方差相等
#2.t檢驗
H0:t1-t2>=0.1（value=0.1）
stats.ttest_ind(battery[battery['tech']==1]['Endurance']
,battery[battery['tech']==2]['Endurance'],
alternative='smaller',usevar='pooled',value=0.1)
#usevar='pooled'代表制定總體方差相等，否則用unequal
兩獨立樣本比例之差的檢驗
female = magzine(magzine['gender']=='Female']['name'].value_counts()
>> cosmetic 15
Fashion 16
magzines = magzine(magzine['gender']=='Female']['name'].value_counts()
>> cosmetic 46
Fashion 34
H0:p1-p2<=-0.3
sm.stats.proportions_ztest(array(female),array(magzines)
,value=0.3,alternative='smaller',prop_var=False)
#第一個參數：“成功”的數目
#第二個參數：樣本量
成對樣本均值之差t檢驗
stats.ttest_rel(happiness['Year2015'],happiness['Year2016'])
兩獨立樣本方差之比檢驗