[人工智能]假设检验_20211126

前言：

? ? ? ? 最近遇到一个问题，比如KNN 推荐出K个最邻近的数据。

当概率最高的一类和概率次高的一类很接近的时候，是否存在统计学差异。

如果无统计学差异可以合并成新的一类

再??回顾一下概率论

一 假设检验

? ? ? ?1.1? 假设检验的基本步骤

? ??

? ? 1.2? 第一类错误第二类错误

? ??

?

? 1.3 单边，双边

? ? ? 针对拒绝域分类：一般拒绝域都非常小 0.1，0.05,0.01,0.005

# -*- coding: utf-8 -*-
"""
Created on Thu Nov 25 21:02:10 2021

@author: cxf
"""

import scipy.stats as stats  #该模块包含了所有的统计分析函数
import numpy as np
from enum import Enum

class  QTYPE(Enum):
    LEFT = 1 
    RIGHT =2
    DOUBLE =3

'''
获取分位数
alpha: 置信度
args:
     下alpah 分位数
'''
def GetQ(alpha,tp:QTYPE):
    
    if tp is QTYPE.DOUBLE:
    
        q = stats.norm.isf(alpha/2)
    elif tp is QTYPE.RIGHT:
        q = stats.norm.isf(alpha)
    return q

def Run():
    
    u = 50 #均值
    s = 0.25 #标准差
    alpha = 0.05
    
    data =[0.497, 0.506, 0.518, 0.524,
           0.498, 0.511, 0.520, 0.515,
           0.512]
    n = len(data)
    #x_bar = np.mean(data)
    x_bar = 48
    n = 100
    z = (x_bar-u)/(s/np.sqrt(n))
    
    q = GetQ(alpha,QTYPE.DOUBLE)
    print("\n 上alpha 分位数: %5.2f 统计量 %5.2f"%(q,z))
    
    if np.abs(z)>q:
        print("\n ====拒绝 假设H0=====")
    else:
        print("\n ====H0 假设成立=====")

'''
H0 u<=u0
H1 U>UO
'''    
def example():
    
    u = -0.545
    s = 0.008
    
    n = 5
    xbar = -0.535
    alpha = 0.05
    
    q = GetQ(alpha, QTYPE.RIGHT)
    z = (xbar-u)/(s/np.sqrt(n))
    print("\n 统计量 %6.3f, 分位数 %6.3f "%(z,q))
    
    if z>q:
        print("\n ====假设不成立============")
    else:
        print("\n=======假设成立=========")
    
if __name__ =="__main__":
    Run()