假设检验的注意事项

以真实商业案例为数据基础，课程内容围绕scipy.stats和statsmodels包的相关功能展开，从统计分析实战的角度出发详细介绍了如何在Python中完成数据描述、t检验、单因素方差分析、卡方检验、相关回归等统计分析操作。

通过本课程的学习，学员将深入学习如何正确考察这些方法的适用条件，正确选择所需的方法加以应用，从而既满足了相关统计分析功能的需求，又为进一步学习statsmodels包中的复杂建模功能打下坚实的基础。

【更新记录】

2022.10：针对Anaconda 10月最新版(python 3.9)，statsmodels 0.13.2版和pandas 1.4.4版完成兼容性测试，更新了对应的课程内容

2022.1：针对Anaconda最新版(python 3.8)，statsmodels 0.13.1版和pandas 1.3.5版完成兼容性测试，更新了对应的课程内容。

2021.4：基于最新的pandas1.2.3版，statsmodels 0.12.2版和scipy 1.6.2版对课程内容进行了更新。

【课程大纲】

第1章：变量的统计描述

第2章：连续变量的比较：t检验

第3章：检验方法适用条件的考察

第4章：多组均数的比较：单因素方差分析

第5章：有序分类变量的比较：非参数统计分析方法

第6章：无序分类变量的比较：卡方检验

第7章：变量间的关联性分析

第8章：线性回归模型入门

第9章：样本量的计算

【课程长度】

总时长：10小时

【学员基础】

学员需要懂得Python语言的基本编程知识。

学员事前不要求学习统计分析的基本知识，但建议完全没有统计基础的学员事先学习免费视频课程《统计分析轻松入门》。

学员事前不要求有任何统计软件的使用经验。