Python 我使用什么样的scipy统计检验来比较样本均值？

假设样本量不相等，在以下情况下，我使用什么测试来比较样本均值（如果以下任何一项不正确，请更正）：

正态分布=真和方差齐性=真

scipy.stats.ttest_ind(sample_1, sample_2)

scipy.stats.ttest_ind(sample_1, sample_2, equal_var = False)

scipy.stats.mannwhitneyu(sample_1, sample_2)

???

正态分布=真和方差齐性=假

scipy.stats.ttest_ind(sample_1, sample_2)

scipy.stats.ttest_ind(sample_1, sample_2, equal_var = False)

scipy.stats.mannwhitneyu(sample_1, sample_2)

???

正态分布=假和方差齐性=真

scipy.stats.ttest_ind(sample_1, sample_2)

scipy.stats.ttest_ind(sample_1, sample_2, equal_var = False)

scipy.stats.mannwhitneyu(sample_1, sample_2)

???

正态分布=假和方差齐性=假

scipy.stats.ttest_ind(sample_1, sample_2)

scipy.stats.ttest_ind(sample_1, sample_2, equal_var = False)

scipy.stats.mannwhitneyu(sample_1, sample_2)

???

快速回答： 正态分布=真和方差齐性=假和样本量>30-50

scipy.stats.ttest_ind(sample1, sample2, equal_var=False)

回答得好： 如果你检查中心极限定理，它说（来自维基百科）：“在概率论中，中心极限定理（CLT）指出，给定某些条件，足够大数量的独立随机变量迭代的算术平均值，每个迭代都有一个定义良好的（有限的）预期值和有限方差将近似为正态分布，而与基础分布无关。”

因此，尽管您没有正态分布总体，但如果您的样本足够大（大于30或50个样本），那么样本的平均值将是正态分布的。因此，您可以使用：

scipy.stats.ttest_ind(sample1, sample2, equal_var=False)

---

这是对两个独立样本具有相同平均（预期）值的无效假设的双边检验。使用equal_var=False选项，它将执行Welch t检验，该检验不假设人口方差相等。

这似乎更像是一个统计问题。您是否尝试过交叉验证：？谢谢，我已在此处发布了问题：