配对t检验法的详细步骤,配对t检验假设检验步骤

　　基于真实的业务案例，课程内容围绕scipy.stats和statsmodels包的相关功能展开。本文从实际统计分析的角度，详细介绍了如何在Python中完成数据描述、t检验、单因素方差分析、卡方检验、相关回归等统计分析操作。

　　通过本课程的学习，学生将深入学习如何正确考察这些方法的适用条件，并正确选择所需方法加以应用，从而既满足相关统计分析函数的需求，又为进一步学习statsmodels包中复杂的建模函数打下坚实的基础。

　　[教学大纲]

　　第一章：变量的统计描述

　　第二章：连续变量的比较：T检验

　　第三章：检验方法的适用条件考察。

　　第四章：多组平均数的比较：单因素方差分析。

　　第五章：有序分类变量的比较：非参数统计分析方法。

　　第六章：无序分类变量的比较：卡方检验

　　第七章：变量间的相关性分析。

　　第八章：线性回归模型简介

　　第九章：样本量的计算

　　[课程长度]

　　总时长：10小时

　　[学生基金会]

　　学生需要了解Python语言的基础编程知识。

　　不要求学生事先学习统计分析的基础知识，但建议完全没有统计学基础的学生事先学习免费视频课程《统计分析轻松入门》。

　　不要求学生事先有任何使用统计软件的经验。