由于医学统计中的假设检验方法多，不同方法有不同的适用条件，很容易错用。这文章针对假设检验的方法对相关知识进行梳理。
方法要求变量要具有某种分布，例如正态分布、卡方分布、t分布等
| 方法 | 变量类型 | 应用前提 |
|---|---|---|
| Pair t test | 定量变量/配对数据 | 样本量小于20时要满足正态分布 |
| t test | 定量变量/两组独立数据 | 样本量小于20时要满足正态分布/方差齐性 |
| Analysis of variance (ANOVA) | 定量变量两组或者多组独立数据 | 正态分布方差齐性 |
方法不依赖变量的分布
| 方法 | 变量类型 | 应用前提 |
|---|---|---|
| Chi square test | 分类变量两组或多组 | 期望数(<1)和总样本数(<40)，则Fisher精确概率法 |
| Wilcoxon Rank Sum Test （Mann Whitney U Test） | 定量变量两组独立样本 | 小样本且不满足正态分布 |
| Kruskal-Wallis H test (one-way ANOVA on ranks) | 定量变量两组或多组独立样本 | 小样本且不满足正态分布 |
| Friedman test | 定量变量配对的三组或更多组 | 不满足正态分布 |
python可以是使用scipy这个包的stat模块进行统计分析
import random from scipy import stats var_1 = random.sample(range(0, 20), 20) var_2 = random.sample(range(0, 20), 20) stat, p_v = stats.ttest_ind(var_1, var_2, alternative='two-sided')
