我用什么scipy统计测试来比较样本均值？

Question

假设样本量不相等，在下列情况下我会用什么样的测试来比较样本均值（如果以下任何一种情况不正确，请更正）：

正态分布=真且方差均匀性=真

scipy.stats.ttest_ind(sample_1, sample_2)

正态分布=真且方差均匀性=假

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

正态分布=假且方差均匀性=真

scipy.stats.mannwhitneyu(sample_1, sample_2)

正态分布=假和方差均匀性=假

???

Answer 1

快速回答：

正态分布=真和方差的同质性=假和样本量＆gt; 30-50

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

答案很好：

如果你检查中心极限定理，它说（来自维基百科）：＆＃34;在概率论中，中心极限定理（CLT）表明，在给定某些条件的情况下，足够大量迭代的算术平均值每个具有明确定义的（有限的）期望值和有限方差的独立随机变量将近似正态分布，无论基础分布如何＆＃34;

因此，虽然您没有正常的分布式群体，但如果您的样本足够大（大于30或50个样本），那么样本的平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)

这是零假设的双侧检验，即2个独立样本具有相同的平均（预期）值。使用选项equal_var = False，它执行Welch的t检验，该检验不假设人口方差相等。