Mając dane dwie próby losowe \(x_1, x_2 \ldots x_N\) oraz \(y_1, y_2 \ldots y_M\), możemy zbadać hipotezę o różnicy średnich. Jeśli okaże się, że średnie z obu prób różnią się istotnie, będzie to oznaczać, że próby nie pochodzą z tej samej populacji, a więc np. różnią się fizycznym parametrem.
Dla testu jednostronnego warto od razu upewnić się, że zakładana nierówność \(\mu_x\) względem \(\mu_y\) ma taki sam znak, jak nierówność pomiędzy średnimi z prób \(\bar{x}\) i \(\bar{y}\). Jeżeli tak nie jest, to nie ma sensu prowadzić dalszych obliczeń — nie da się obalić hipotezy zerowej.
t,p = scipy.stats.ttest_rel(X,Y)
t,p = scipy.stats.ttest_ind(X,Y)
Zwrócona wartość \(p\) dotyczy testu dwustronnego, więc jeżeli wykonujemy test jednostronny, należy otrzymaną wartość podzielić przez 2 i dodatkowo zweryfikować znak różnicy średnich (jak opisano powyżej).
T,p = scipy.stats.wilcoxon(X,Y)
u,p = scipy.stats.mannwhitneyu(X,Y)
Dla testu Wilcoxona, zwrócona wartość \(p\) dotyczy testu dwustronnego, więc jeżeli wykonujemy test jednostronny, należy otrzymaną wartość podzielić przez 2 i dodatkowo zweryfikować znak różnicy średnich (jak opisano powyżej).
Dla testu Manna-Whitneya, zwrócona wartość \(p\) dotyczy testu jednostronnego, więc jeżeli wykonujemy test dwustronny, należy otrzymaną wartość pomnożyć przez 2.
Ostatecznie, jeżeli \(p\lt\alpha\), możemy odrzucić \(H_0\) na korzyść \(H_1\).
autor: Piotr Różański, ostatnia modyfikacja: 10.04.2016