python怎么判斷面包是不是變輕了

本篇內(nèi)容主要講解“python怎么判斷面包是不是變輕了”，感興趣的朋友不妨來看看。本文介紹的方法操作簡(jiǎn)單快捷，實(shí)用性強(qiáng)。下面就讓小編來帶大家學(xué)習(xí)“python怎么判斷面包是不是變輕了”吧!

• 案件回顧

面包是不是變輕了

1. 面包店對(duì)外聲稱每個(gè)面包分量為400g
   

2. 老店主退休，兒子接管面包店
   

3. 有顧客投訴，面包分量比以前的輕了

4. 統(tǒng)計(jì)了30個(gè)面包的重量，發(fā)現(xiàn)面包平均重量為397g（問題：手工面包不可能每個(gè)正好400g，根據(jù)數(shù)據(jù)判斷，面包的分量到底有沒有變輕？）

   
   

• 模擬實(shí)驗(yàn)與分析

將數(shù)據(jù)存儲(chǔ)為csv格式，其中每個(gè)觀測(cè)對(duì)象（各個(gè)面包）占一行，測(cè)定的變量（購買日期和面包重量）排成一列。將數(shù)據(jù)導(dǎo)入python。

import pandas as pd

breads = pd.read_csv('breads.csv',encoding='utf-8')

breads.head()

pandas包提供了dataframe數(shù)據(jù)結(jié)構(gòu)，在python中用pandas可以非常方便的導(dǎo)入csv數(shù)據(jù)。使用head()查看前幾行數(shù)據(jù)（默認(rèn)為前5行）如下：

	date	weight
0	2015/1/7	386.7
1	2015/1/9	396.7
2	2015/1/10	409.8
3	2015/1/12	384.5
4	2015/1/14	394.3

計(jì)算面包重量的均值和標(biāo)準(zhǔn)差：

import numpy as np

mean = round(np.mean(breads.weight),4)

std = round(np.std(breads.weight),4)

import sys

sys.stdout.write('mean = ' + str(mean) + '\n' + 'std = ' + str(std))

結(jié)果為：

mean = 397.1267
std = 10.7371

假設(shè)面包的重量符合正態(tài)分布，那么檢驗(yàn)面包是否變輕，就要用樣本的標(biāo)準(zhǔn)差來檢查樣本平均值和總體平均值之間是否存在矛盾，即均值差異檢驗(yàn)。

均值差異檢驗(yàn)（t檢驗(yàn)）

1. 零假設(shè)    樣本均值與總體均值的差異在誤差范圍內(nèi)，即面包沒有變輕
   

2. 備擇假設(shè)    樣本均值與總體均值的差異超出了誤差范圍，即面包變輕

3. 概率不足顯著性水平（5%）    否定零假設(shè)，即面包確實(shí)變輕了

4. 概率等于或超過顯著性水平（5%）    保留零假設(shè)，即面包重量沒有改變

from scipy.stats import ttest_rel #ttest_rel:非獨(dú)立均值檢驗(yàn)ttest_rel(breads.weight,[400]*30)

結(jié)果為：

Ttest_relResult(statistic=-1.4411172599973978, pvalue=0.16026297018603147)

pvalue代表概率，這里面概率為0.1603，概率超過顯著性水平，因此，沒有足夠證據(jù)懷疑面包房的面包平均重量減少。

• 幾個(gè)小概念

正態(tài)分布：以平均值為中心左右對(duì)稱離散的分布。有95%的數(shù)據(jù)集中在距離平均值1.96倍（約2倍）標(biāo)準(zhǔn)差的范圍內(nèi)。

均值差異檢驗(yàn)：本例中指分析了30個(gè)面包的平均重量與面包店宣傳的平均重量之間是否存在實(shí)質(zhì)性差異。如果概率小于顯著性水平（一般為5%），則認(rèn)為存在顯著差異。

到此，相信大家對(duì)“python怎么判斷面包是不是變輕了”有了更深的了解，不妨來實(shí)際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！