Python 3.x 假设检验总体和样本平均数

我有一个平均体重为5磅的人群。我从人群中采集了5879个观察样本。该样本的总重量为410522磅。我试图弄清楚该样本的平均重量是否明显高于人群。假设人口具有正态分布。我试图使用统计模型中的比例测试。我不确定我是否正确使用了counts和nobs变量。有人能告诉我我是否正确使用了该函数，或者建议使用其他函数吗？我想得到p值

代码：

---

您可以使用

scipy.stats.ttest\u 1amp（a，popmean）

获取t和p\u值

这是对零假设的双边检验，即独立观察样本

a

的预期值（平均值）等于给定总体平均值

popmean

阅读更多细节

---

如果要测试样本的平均重量是否显著高于总体，则应将p值/2除以以获得右尾p_值。

重量不是一个比例，因此可以使用标准t检验。比例检验不适用于本表。感谢您回复我，这正是我所寻找的。如果我想知道样本平均数是否大于预测平均数，我需要1-p/2，或者如果样本平均数大于预测平均数，只需要p/2？您应该注意H0假设是样本平均数=预测平均数，在这种情况下，Ha假设为样本平均值>波普平均值，因此如果P_值小于显著水平，即0.05，则可以拒绝H0，并得出结论，样本的平均重量显著高于总体。

import statsmodels.api as sm

cnt=410522
nbs=58759
vL=5


sm.stats.proportions_ztest(cnt, 
                                  nbs,
                                  vL, 
                                  alternative='larger')[1]