跳轉至
第 7 章 · 統計基礎

7.4 假設檢定

⏱️ 30 分鐘 📖 互動式 🎯 統計

🎯 學習目標

  • t-test / chi-square / ANOVA
  • p-value 解讀

🧪 t-test

from scipy import stats
import numpy as np

# 兩組比較
group_a = np.random.normal(100, 10, 30)
group_b = np.random.normal(105, 10, 30)

t, p = stats.ttest_ind(group_a, group_b)
print(f"t = {t:.3f}, p = {p:.4f}")
if p < 0.05:
    print("✅ 顯著差異")
else:
    print("❌ 無顯著差異")

📊 卡方檢定(類別)

# 列聯表
observed = [[10, 20], [30, 40]]
chi2, p, dof, expected = stats.chi2_contingency(observed)
print(f"χ² = {chi2:.2f}, p = {p:.4f}")

📈 ANOVA(多組)

group1 = np.random.normal(100, 10, 30)
group2 = np.random.normal(105, 10, 30)
group3 = np.random.normal(110, 10, 30)

f, p = stats.f_oneway(group1, group2, group3)
print(f"F = {f:.2f}, p = {p:.4f}")

⚠️ p-value 注意事項

  • p < 0.05 不代表「重要」
  • p > 0.05 不代表「無效」
  • 樣本大才有統計意義
  • 多重檢定要修正(Bonferroni)

✏️ 練習題

  1. 兩組模擬資料做 t-test
  2. 3 組做 ANOVA
  3. 試試看 p-hacking 的危險