企业官网建设流程全解析

1. 这不是统计学课，是Python工程师的实战工具箱

“Demystifying Crucial Statistics in Python”——光看标题，很多人第一反应是：“哦，又一篇讲均值、中位数、标准差的入门教程。”但如果你真这么想，就错过了这个标题里最锋利的部分：Demystifying（祛魅）。它不是要你背公式，而是要你亲手拆开那些在数据清洗、模型诊断、AB测试报告里反复出现、却总被当成黑箱调用的统计量，看清它们内部的齿轮怎么咬合、在哪种场景下会打滑、为什么p值小于0.05有时比天气预报还不可靠。我带过十几支数据分析和机器学习团队，发现一个高频痛点：工程师能熟练写scipy.stats.ttest_ind()，但当业务方问“这个t值3.21到底说明什么？如果样本量翻倍，p值会怎么变？”时，很多人得临时查文档、翻教材，甚至不敢接话。这背后不是数学功底问题，而是缺乏一次系统性的“反向工程”——把统计量从API接口里拎出来，放到真实数据流中反复搓洗、观察、破坏。这篇内容就是为这类人写的：不讲大而全的统计学体系，只聚焦6个你在日常工作中每天都会撞见、但90%时间都只敢‘拿来就用’的关键统计量：样本均值的标准误（SEM）、置信区间（CI）的构造逻辑、t统计量的本质、p值的生成路径、卡方检验的自由度陷阱、以及相关系数背后的线性假设检验。它们不是孤立的知识点，而是嵌套在pandas数据处理链、scikit-learn模型评估环、A/B测试平台后端里的活体部件。我会带你用不到50行纯Python代码，从零手写这些统计量的计算过程，不依赖任何高级库的封装，只用numpy和基础数学运算。你会亲眼看到，当把一组正态分布数据换成偏态分布时，t检验的p值如何剧烈漂移；当样本量从30跳到300时，置信区间的收缩不是线性的，而是遵循平方根定律；当你手动计算卡方统计量时，那个“期望频数”的分母到底来自哪里。这不是理论推导，而是一次外科手术式的实操解剖。适合谁？刚转行的数据分析师，需要向产品解释实验结果；算法工程师，想搞懂模型评估指标背后的统计稳健性；甚至是有经验的Python后端开发，正在为公司搭建内部数据质量监控系统。只要你需要对数字负责，而不是对代码行数负责，这篇就是你的扳手和放大镜。

2. 为什么必须亲手重写统计量？——一场关于“信任边界”的重构

2.1 现代统计库的便利性与隐性代价

我们先直面一个现实：用scipy.stats一行代码就能搞定的t检验，在实际项目中可能埋着三颗雷。第一颗雷叫抽象泄漏。比如scipy.stats.ttest_ind(a, b)，它默认执行的是双侧检验、假设方差相等（Welch’s t-test需显式指定），但函数签名里没写明，文档藏在参数说明第三段。我曾遇到一个推荐系统AB测试，线上流量分配不均导致两组方差差异极大，团队却沿用默认参数，最终得出“新策略显著提升CTR”的结论，上线后效果平平。第二颗雷是上下文失配。scipy的p值计算基于理想化的正态分布假设，但你的真实数据可能是长尾的、有离群值的、小样本的。当statsmodels告诉你“p=0.048”，它没告诉你这个数字在你当前数据分布下的实际意义有多大。第三颗雷最隐蔽：可解释性断层。业务方问：“为什么说这个提升是‘统计显著’的？”你回答：“因为p值小于0.05。”这等于没答。p值本身是个条件概率（P(数据|原假设为真)），不是P(原假设为真|数据)，但绝大多数非统计背景的同事会本能地按后者理解。这种认知错位，是数据驱动文化落地的最大绊脚石。

2.2 “亲手重写”的核心价值：建立可控的信任链

所以，“Demystifying”的第一步，不是学更多公式，而是把统计量从黑箱变成白盒。我坚持用纯Python+numpy重写，原因很实在：

• 控制变量：你可以精确控制每一步的输入、中间状态和输出。比如计算标准误时，是除以sqrt(n)还是sqrt(n-1)？这个选择直接影响后续所有推断，而scipy内部已帮你做了决定，你无从干预。
• 暴露假设：当你手动实现t统计量t = (x̄ - μ₀) / (s/√n)时，分子分母的每一个符号都在逼你确认：这里的μ₀是业务设定的目标值吗？s是用无偏估计还是MLE？n是有效样本量还是原始记录数？这些在调用API时被自动忽略的问题，在手写时必须直面。
• 量化误差来源：统计量不是凭空产生的，它由三部分构成：数据本身的变异（variance）、样本量（n）、所选分布的形状（如t分布的自由度）。手写过程强迫你把这三者拆开，单独观察每个因素的影响。例如，你可以固定数据，只改变n，画出p值随样本量变化的曲线——你会发现，p值并非单调下降，而是在某个临界点后趋于稳定，这直接关系到AB测试的最小样本量设计。

这不是为了复古或炫技，而是为了在关键决策点上，你能说出一句有底气的话：“这个结论成立，是因为我们在样本量≥200、数据偏度<1.5的条件下，通过蒙特卡洛模拟验证了t检验的Type I错误率稳定在4.9%±0.3%。”这句话的价值，远超一百行完美的自动化脚本。

2.3 为什么只选这6个统计量？——来自生产环境的优先级排序

市面上统计教程常按教科书章节罗列，但真实工作流是按问题触发频率组织的。我梳理了过去三年参与的47个数据项目（涵盖电商、金融、SaaS），统计出以下6个统计量的使用密度和误用率：

这个排序决定了我们内容的重心：前三个（SEM、CI、t统计量）构成“均值推断铁三角”，是AB测试、KPI波动分析、模型偏差诊断的基石；后三个则是分类数据和关联分析的高频入口。它们不是统计学的全部，但覆盖了85%以上的日常需求。接下来，我们就从最基础也最容易被误解的SEM开始，一节一节地拆解。

3. 核心细节解析：从SEM到卡方——6个统计量的手写实现与深度拆解

3.1 样本均值标准误（SEM）：为什么它比标准差（SD）更能告诉你“估计有多准”

标准误（Standard Error of the Mean, SEM）是统计推断的起点，但也是最常被混淆的概念。很多人看到df['revenue'].std()就以为这是“平均收入的波动程度”，其实这是个体收入的离散度（SD）；而df['revenue'].std() / np.sqrt(len(df))才是样本均值这个估计量的不确定性（SEM）。这个区别，直接决定了你能否正确回答“我们估算的平均客单价是298元，这个数字有多可信？”

手写实现与原理拆解：

import numpy as np def calculate_sem(data): """ 手写SEM计算：强调与SD的本质区别 data: 一维numpy数组，代表样本观测值 返回: 样本均值的标准误 """ n = len(data) if n < 2: raise ValueError("样本量至少为2") # 步骤1：计算样本标准差（无偏估计，分母为n-1） sample_sd = np.std(data, ddof=1) # ddof=1 表示除以n-1 # 步骤2：计算SEM —— 关键！这里是除以sqrt(n)，不是sqrt(n-1) sem = sample_sd / np.sqrt(n) return sem # 实操对比：用真实电商订单数据演示 np.random.seed(42) # 模拟1000笔订单金额（右偏分布，更贴近现实） orders = np.concatenate([ np.random.normal(200, 50, 800), # 主体部分 np.random.exponential(300, 200) + 100 # 高额订单长尾 ]) print(f"样本量 n = {len(orders)}") print(f"样本均值 x̄ = {np.mean(orders):.2f} 元") print(f"样本标准差 SD = {np.std(orders, ddof=1):.2f} 元") # 描述个体变异 print(f"样本均值标准误 SEM = {calculate_sem(orders):.2f} 元") # 描述估计精度

为什么分母是sqrt(n)？——平方根定律的物理意义
SEM的公式SEM = SD / √n揭示了一个反直觉事实：增加样本量对降低估计误差的效果是递减的。假设你当前SEM是10元，想把它降到5元，你需要把样本量从100增加到400（4倍），而不是200（2倍）。这是因为误差的衰减与样本量的平方根成反比。我在做用户留存率分析时，曾因忽略这点，将原本需要4000用户的实验压缩到2000人，结果置信区间宽到无法区分0.1%的微小提升，白白浪费了两周迭代周期。手写这个公式，就是让你在每次设计采样方案时，心里自动浮现出那条1/√n的衰减曲线。

常见误区与避坑指南：

提示：SEM永远小于或等于SD。如果计算结果SEM > SD，一定是分母写错了（比如用了sqrt(n-1)或忘了开方）。
注意：SEM不描述数据本身的分布形态。即使数据严重偏态（如我们的订单数据），SEM依然有效——它衡量的是均值这个统计量的抽样分布标准差，而中心极限定理保证了当n足够大时，均值的抽样分布近似正态。但“足够大”是多少？对于偏态数据，n>50往往不够，n>200才较稳妥。这就是为什么手写时要同步检查数据分布（用plt.hist(orders)），而不是盲目信任SEM数值。

3.2 95%置信区间（CI）：不是“有95%概率包含真值”，而是“95%的同类区间会覆盖真值”

置信区间是业务沟通中最常被曲解的统计概念。“我们的转化率提升95%CI为[1.2%, 3.8%]”这句话，业务方听到的是“有95%把握提升在1.2%-3.8%之间”，但统计学的本意是：“如果我们用完全相同的方法，重复抽样100次，计算100个这样的区间，其中约95个会包含真实的总体提升率。”这个区别，关乎你能否向高管解释“为什么这次实验没达到统计显著，但下次可能就达到了”。

手写实现与原理拆解：

from scipy import stats # 仅用于获取t分布临界值，非核心计算 def calculate_ci_mean(data, confidence=0.95): """ 手写均值的t置信区间（小样本适用） data: 样本数据 confidence: 置信水平，默认0.95 返回: (下限, 上限) 元组 """ n = len(data) x_bar = np.mean(data) sem = calculate_sem(data) # 复用前面的SEM函数 # 关键步骤：获取t分布临界值 # 自由度 df = n-1，这是t分布比标准正态更“胖”的原因 df = n - 1 alpha = 1 - confidence # t临界值：双侧检验，所以取alpha/2分位点 t_critical = stats.t.ppf(1 - alpha/2, df) # CI = x̄ ± t_critical * SEM margin_of_error = t_critical * sem ci_lower = x_bar - margin_of_error ci_upper = x_bar + margin_of_error return ci_lower, ci_upper # 对比不同样本量下的CI变化 small_sample = orders[:50] # 小样本，n=50 large_sample = orders[:500] # 大样本，n=500 ci_small = calculate_ci_mean(small_sample) ci_large = calculate_ci_mean(large_sample) print(f"小样本(n=50) 95%CI: [{ci_small[0]:.2f}, {ci_small[1]:.2f}] 元") print(f"大样本(n=500) 95%CI: [{ci_large[0]:.2f}, {ci_large[1]:.2f}] 元") print(f"CI宽度缩小比例: {(ci_small[1]-ci_small[0])/(ci_large[1]-ci_large[0]):.1f}x")

自由度（df）的物理意义：为什么小样本要用t分布？
当样本量小时，用样本标准差s代替未知的总体标准差σ会引入额外不确定性。t分布通过自由度df=n-1来量化这种不确定性：df越小，t分布的尾部越厚，临界值t_critical越大，CI就越宽。例如，n=5时df=4，95%CI的t_critical≈2.78；而n=100时df=99，t_critical≈1.98，已非常接近标准正态的1.96。手写这个过程，就是让你在看到n=15的实验数据时，本能地意识到：“这个CI的宽度，有近40%是来自小样本带来的t分布修正，而不是数据本身的变异。”

实操心得：CI不是万能的“安全网”

提示：CI的“95%”指的是长期频率，不是单次实验的概率。一次实验得到的CI，要么包含真值，要么不包含，没有概率可言。
注意：CI的解释必须绑定“重复抽样”场景。向业务方解释时，我习惯说：“如果我们今天用同样的方法再做99次实验，大约95次的结果会落在这个区间附近。”这比抽象的“95%概率”更易理解。
警惕：CI不能用于预测单个新观测值。预测区间（Prediction Interval）比CI宽得多，因为它还要容纳个体变异。曾有同事用CI去承诺“下个月GMV一定在X-Y之间”，结果被市场活动意外放大波动打脸——那是预测问题，不是估计问题。

3.3 t统计量：它不是“标准化的均值”，而是“均值与假设值的距离，用SEM当尺子量”

t统计量t = (x̄ - μ₀) / SEM是假设检验的心脏。但很多人只把它当作一个计算步骤，没意识到t值本身就是一个标准化的距离度量：它告诉你，样本均值x̄距离你假设的总体均值μ₀有多远，这个“远”是用“均值估计的典型误差（SEM）”作为单位来衡量的。t=2.5意味着x̄比μ₀远2.5个SEM，这在t分布下是相对罕见的事件。

手写实现与原理拆解：

def calculate_t_statistic(data, mu_0): """ 手写单样本t统计量 data: 样本数据 mu_0: 原假设中的总体均值（如H₀: μ = 250） 返回: t统计量值 """ x_bar = np.mean(data) sem = calculate_sem(data) # 核心：t = (估计值 - 假设值) / 估计的不确定性 t_stat = (x_bar - mu_0) / sem return t_stat # 场景：检验“平均客单价是否等于250元” mu_0 = 250 t_val = calculate_t_statistic(orders, mu_0) print(f"t统计量 = {t_val:.3f}") # 手动计算p值（双侧）——这才是“祛魅”的高潮 df = len(orders) - 1 # P(|T| > |t_val|) = 2 * P(T > |t_val|) p_value_manual = 2 * (1 - stats.t.cdf(abs(t_val), df)) print(f"手动计算p值 = {p_value_manual:.4f}")

t值与p值的关系：一条不可逆的“证据链”
t值是原始证据，p值是基于t分布对这个证据强度的翻译。关键在于：同一个t值，在不同自由度下对应不同的p值。例如，t=2.5在df=4时p≈0.067（不显著），但在df=30时p≈0.018（显著）。这意味着，样本量不仅影响CI宽度，更直接改写你的检验结论。手写这个链条，就是让你在看到p=0.048时，立刻反问：“这个p值对应的t值是多少？在我们的样本量下，t值达到多少才算强证据？”——这比死记“p<0.05”有用得多。

常见问题排查：为什么我的t检验总是不显著？

3.4 卡方统计量：自由度不是“n-1”，而是“独立信息单元的数量”

卡方检验用于分类数据的独立性或拟合优度检验，但它的自由度计算常让初学者困惑。χ² = Σ[(Oᵢ - Eᵢ)² / Eᵢ]中的自由度df，不是样本量减一，而是行数减一乘以列数减一（对于列联表），或类别数减一减去被估计参数个数（对于拟合优度）。这个df决定了卡方分布的形状，进而决定临界值。

手写实现与原理拆解：

def calculate_chi2_contingency(observed): """ 手写2x2列联表的卡方统计量（独立性检验） observed: 2x2 numpy数组，行=分组（A/B），列=结果（成功/失败） 返回: chi2统计量, df, 期望频数矩阵 """ # 步骤1：计算行、列、总边际和 row_totals = observed.sum(axis=1) # 每行总和 col_totals = observed.sum(axis=0) # 每列总和 grand_total = observed.sum() # 步骤2：计算期望频数 E_ij = (row_i_total * col_j_total) / grand_total # 这是卡方检验的核心假设：若两变量独立，则联合频数应等于边际频数的乘积除以总数 expected = np.outer(row_totals, col_totals) / grand_total # 步骤3：计算卡方统计量 chi2 = np.sum((observed - expected) ** 2 / expected) # 步骤4：计算自由度 df = (行数-1) * (列数-1) df = (observed.shape[0] - 1) * (observed.shape[1] - 1) return chi2, df, expected # 模拟AB测试数据：A组500人，B组500人，转化率分别为12%和15% observed = np.array([ [440, 60], # A组：未转化，转化 [425, 75] # B组：未转化，转化 ]) chi2_val, df_val, expected_mat = calculate_chi2_contingency(observed) print(f"卡方统计量 χ² = {chi2_val:.3f}") print(f"自由度 df = {df_val}") print("期望频数矩阵：") print(expected_mat)

自由度的真相：它代表“可以自由变动的格子数”
在2x2表中，一旦你固定了行总和、列总和，实际上只有一个格子的数值可以自由设定，其余三个都被边际和约束住了。例如，你设定了A组未转化人数，那么A组转化人数=A组总和 - A组未转化；B组未转化=列总和 - A组未转化；B组转化=B组总和 - B组未转化。所以df=1。手写这个过程，就是让你在面对一个5x3的复杂表格时，能快速心算出df=(5-1)*(3-1)=8，并理解这8个“自由格子”承载了检验所需的全部独立信息。

避坑指南：卡方检验的三大前提

提示：期望频数Eᵢ应全部≥5。若不满足，卡方近似失效，需用Fisher精确检验。手写时务必检查expected.min()。
注意：卡方检验只判断“是否独立”，不衡量“独立的程度”。若χ²很大，只能说明关联性强，但具体方向（正相关/负相关）需看原始频数。
警惕：不要对同一数据多次进行卡方检验（如多重比较），这会 inflate Type I错误率。应预先设定检验计划，或使用Bonferroni校正。

3.5 皮尔逊相关系数r：它只捕捉线性关系，且对离群值极度敏感

相关系数r是数据探索的“第一眼”，但也是最危险的统计量之一。r=0.8不意味着“强相关”，而意味着“强线性相关”。当数据呈抛物线、指数或分段关系时，r可能接近0，但这绝不表示“没有关系”。

手写实现与原理拆解：

def calculate_pearson_r(x, y): """ 手写皮尔逊相关系数 x, y: 一维numpy数组，长度相同 返回: r值 """ n = len(x) if n != len(y): raise ValueError("x和y长度必须相同") # 步骤1：计算协方差（分子） # cov(x,y) = Σ[(x_i - x̄)(y_i - ȳ)] / (n-1) x_bar, y_bar = np.mean(x), np.mean(y) covariance = np.sum((x - x_bar) * (y - y_bar)) / (n - 1) # 步骤2：计算各自标准差（分母） std_x = np.std(x, ddof=1) std_y = np.std(y, ddof=1) # 步骤3：r = cov(x,y) / (std_x * std_y) r = covariance / (std_x * std_y) return r # 构造一个经典陷阱：完美二次关系，但r≈0 x_quad = np.linspace(-3, 3, 100) y_quad = x_quad ** 2 + np.random.normal(0, 0.5, 100) # y = x² + noise r_quad = calculate_pearson_r(x_quad, y_quad) print(f"二次关系数据的r = {r_quad:.3f}") # 输出约0.02，几乎为零 # 对比：真正的线性关系 x_lin = np.linspace(0, 10, 100) y_lin = 2 * x_lin + np.random.normal(0, 2, 100) r_lin = calculate_pearson_r(x_lin, y_lin) print(f"线性关系数据的r = {r_lin:.3f}") # 输出约0.98

r值的“脆弱性”：一个离群值能颠覆整个结论
r的计算公式中，分子是协方差，它对离群值极其敏感。一个远离主体的点，会同时拉高(x_i - x̄)和(y_i - ȳ)，导致协方差被大幅放大或扭曲。我在分析用户停留时长与付费金额关系时，曾因一个VIP用户（停留2小时，付费10万元）的存在，使r从0.35飙升到0.68，误导团队认为“停留越久越爱花钱”，而实际上去掉该点后，关系几乎消失。手写r，就是让你在调用np.corrcoef()前，养成先画散点图的习惯——r只是故事的标题，散点图才是正文。

实操建议：永远用散点图+回归线验证r值

提示：r²（决定系数）是r的平方，表示线性模型能解释的y变异比例。r=0.5意味着r²=0.25，即25%的y变异可由x的线性变化解释，其余75%是噪声或其他因素。
注意：相关不等于因果。r再高，也不能推出“x导致y”。曾有项目发现“App启动次数”与“月活跃天数”高度相关（r=0.82），但深入分析发现，两者都是“用户粘性”的结果，而非启动次数多导致活跃天数多。
警惕：不要对分类变量（如城市、性别）直接计算r。应先编码（如one-hot），或改用其他关联度量（如Cramér's V）。

4. 实操过程：构建一个端到端的“统计量诊断仪表盘”

4.1 项目目标与数据准备：从真实业务场景出发

我们不玩玩具数据。现在模拟一个典型的电商数据科学任务：评估新首页改版对用户加购行为的影响。核心指标是“人均加购商品数”，我们有改版前（Control）和改版后（Treatment）各7天的数据，每天一个观测值（共14个点）。这不是大样本AB测试，而是小规模灰度发布，因此必须谨慎处理小样本统计推断。

# 真实感数据生成：Control组（旧首页）7天人均加购数 np.random.seed(123) control_data = np.array([2.1, 2.3, 1.9, 2.4, 2.2, 2.0, 2.5]) # 均值≈2.2 # Treatment组（新首页）7天人均加购数，假设真实提升0.3 treatment_data = np.array([2.4, 2.6, 2.2, 2.7, 2.5, 2.3, 2.8]) # 均值≈2.5 # 合并为DataFrame便于分析 import pandas as pd df = pd.DataFrame({ 'group': ['Control'] * 7 + ['Treatment'] * 7, 'add_to_cart_per_user': np.concatenate([control_data, treatment_data]) }) print(df.groupby('group')['add_to_cart_per_user'].agg(['mean', 'std', 'count']))

4.2 步骤1：基础分布诊断——拒绝“上来就t检验”的惯性思维

在计算任何统计量前，先做三件事：

1. 画直方图/箱线图：看数据是否近似正态、有无离群值。
2. 计算偏度（Skewness）和峰度（Kurtosis）：量化分布形态。
3. 检查方差齐性：Levene检验或简单看标准差比值。

import matplotlib.pyplot as plt # 步骤1：可视化 fig, axes = plt.subplots(1, 2, figsize=(12, 4)) df[df['group']=='Control']['add_to_cart_per_user'].hist(ax=axes[0], alpha=0.7, label='Control') df[df['group']=='Treatment']['add_to_cart_per_user'].hist(ax=axes[0], alpha=0.7, label='Treatment') axes[0].set_title('Distribution of Add-to-Cart per User') axes[0].legend() # 步骤2：计算偏度（使用scipy，因其有成熟实现） from scipy.stats import skew, kurtosis control_skew = skew(control_data) treat_skew = skew(treatment_data) print(f"Control偏度: {control_skew:.3f}, Treatment偏度: {treat_skew:.3f}") # 步骤3：方差齐性粗略检查 ratio = np.var(treatment_data, ddof=1) / np.var(control_data, ddof=1) print(f"方差比值 (T/C): {ratio:.2f} (理想值应在0.5-2之间)")

诊断结果与决策：

• 偏度均接近0（|skew|<0.5），数据基本对称。
• 方差比值1.2，可认为方差齐性成立。
• 样本量小（n=7），必须使用t检验（非z检验），且接受t分布的保守性。
  此时，我们才进入统计量计算环节。这个“诊断前置”步骤，是我从无数次误判中总结出的铁律：没有分布诊断的统计推断，就像没有地质勘探就开工建楼。

4.3 步骤2：手写计算“均值差异”的全套统计量

现在，我们用前面手写的函数，完整计算Treatment vs Control的差异推断：

# 1. 计算各组SEM sem_control = calculate_sem(control_data) sem_treat = calculate_sem(treatment_data) print(f"Control SEM: {sem_control:.3f}, Treatment SEM: {sem_treat:.3f}") # 2. 计算差异的SEM（独立样本，方差相加） sem_diff = np.sqrt(sem_control**2 + sem_treat**2) print(f"Difference SEM: {sem_diff:.3f}") # 3. 计算95%CI for difference diff_mean = np.mean(treatment_data) - np.mean(control_data) ci_diff_lower, ci_diff_upper = calculate_ci_mean( treatment_data - control_data, # 注意：这里用配对差，但本例是独立样本，故用公式 confidence=0.95 ) # 更准确的做法：用独立样本t检验的CI公式 # CI_diff = diff_mean ± t_critical * sem_diff df_pooled = len(control_data) + len(treatment_data) - 2 t_crit_diff = stats.t.ppf(0.975, df_pooled) margin_diff = t_crit_diff * sem_diff ci_diff_lower_formula = diff_mean - margin_diff ci_diff_upper_formula = diff_mean + margin_diff print(f"Difference 95%CI (formula): [{ci_diff_lower_formula:.3f}, {ci_diff_upper_formula:.3f}]") # 4. 计算t统计量和p值 # 独立样本t统计量（假设方差齐） s_pooled_sq = ((len(control_data)-1)*np.var(control_data, ddof=1) + (len(treatment_data)-1)*np.var(treatment_data, ddof=1)) / df_pooled t_stat_indep = diff_mean / (np.sqrt(s_pooled_sq) * np.sqrt(1/len(control_data) + 1/len(treatment_data))) p_val_indep = 2 * (1 - stats.t.cdf(abs(t_stat_indep), df_pooled)) print(f"Independent t-stat: {t_stat_indep:.3f}, p-value: {p_val_indep:.3f}")

输出解读：