配对t检验法的详细步骤,配对t检验假设检验步骤

  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。

配对t检验法的详细步骤,配对t检验假设检验步骤