假设检验实践-python分析

开始

本篇文章，我们主要解决以下几个小问题：

1. 人体体温的总体均值是否是98.6华氏度？
2. 人体的温度是否服从正态分布？
3. 人体体温中存在的异常数据是哪些？

   获取数据

   我们首先获取数据：

test.csv
如上图所示：数据源中 test 标签页内，共计有三个字段【Temperature、Gender、HeartRate】，分别代表数据源码中的【人体体温、男女性别（1男2女）、人体心率】，且表格中共计130条数据。

数据处理

使用python代码，进行数据的预处理：

import  pandas as pd
path = 'C:/Users/wb-lc576419/Desktop/test.csv'
data = pd.read_csv(path)
print(data.head())

最终，显示如下结果：

查看整体的人体体温均值

import  pandas as pd
path = 'C:/Users/wb-lc576419/Desktop/test.csv'
data = pd.read_csv(path)
print(data.mean())

最终，显示如下结果：

由此可知，整体的人体均值为98.249华氏度，人体心率均值为 73.76

查看人体的温度是否服从正态分布

此时，我们使用 python里面的 scipy 包，来进行KS检验

kstest 是一个很强大的检验模块，除了正态性检验，还能检验 scipy.stats 中的其他数据分布类型

import  pandas as pd
from scipy.stats import  kstest
path = 'C:/Users/wb-lc576419/Desktop/test.csv'
data = pd.read_csv(path)
u =data['Temperature'].mean()
std = data['Temperature'].std()
ks_test = kstest(data['Temperature'],'norm',(u,std))
print(ks_test)

最终，显示如下结果：

输出结果中第一个为统计量，第二个为P值（注：统计量越接近0就越表明数据和标准正态分布拟合的越好，如果P值大于显著性水平，通常是0.05，接受原假设，则判断样本的总体服从正态分布）

所以，综上所述，人体的温度 不服从正太分布

查看人体的温度中存在的异常数据有哪些

对于高斯分布的数据来说，68.27%的数据集中在一个标准差的范围内，95.45%在两个标准差的范围内，99.73%在3个标准差的范围内，因此根据这个，和平均值相差3倍标准差的点被看作异常点，但平均值和标准差太容易受异常点干扰，其有限样本击穿点是0%。

有效样本击穿点的定义是一个比例值，对超过这个比例值的的样本进行替换，评估方法将无法进行准确描述，有限样本击穿点越大，代表评估方法越robust。

因此，我们假定人体温度的数值中，和平均值相差3倍标准差的点作为异常数据，并将其输出。

import  pandas as pd
path = 'C:/Users/wb-lc576419/Desktop/test.csv'
data = pd.read_csv(path)
u =data['Temperature'].mean()
std = data['Temperature'].std()
lower_limit = u-3*std
upper_limit = u+3*std
for i in data['Temperature']:
    if i < lower_limit or i > upper_limit:
        print(i)

最终，显示如下结果：

显然，人体体温中存在的异常数据为 100.8华氏度