【Python语言应用案例：电商中消费者的性别和购买生鲜有无关系830字】

IPython语言应用案例：电商中消费者的性别和购买生鲜有无关系1.1案例描述这是个产品运营分析的案例，我们知道在日常的购物中，一般会是女姓去买菜，在网络上也是一样吗？为了探究电商中消费者的性别和购买生鲜有无关系，我们归纳整理出数据，列出如下表格.表2.8性别对购买生鲜人数的影响情况男女合计买生鲜200110310不买生鲜49883581合计698193891分析：电商中消费者的性别是一个分类变量，有男性和女性两个取值，买生鲜情况也是一个分类变量，有购买生鲜和不购买生鲜两个取值，总频数明显大于等于四十，且通过计算得到所有理论数大于等于五，所以可以运用卡方检验进行关联性分析，探究电商中消费者的性别和购买生鲜有无关系.1.2问题解决方法一：(1)作出假设原假设H0:性别与购买生鲜无关备择假设H1：性别与购买生鲜有关(2)计算理论值我们发现有65%的人不在线上买海鲜，35%的人在线上买海鲜，根据计算，可以得出理论数值如下.表2.9性别对购买生鲜人数的理论影响情况男女买生鲜244.367.55不买生鲜453.7125.45(3)计算卡方值根据公式计算得出卡方值为53.4.同样我们也可以运用Python简化计算：importnumpyasnpfromscipy.statsimportchi2_contingencya=np.array([200,110,498,83])b=np.array([244.3,67.55,453.7,125.45])c=((a-b)**2/b).sum()print(c)输出结果：53.39951989456868(4)求出自由度自由度：置信度：规定为90%(5)用Python语言求临界值输入程序：fromscipyimportstatskf=stats.chi2.ppf(q=0.90,df=1)print(kf)输出结果：2.705543454095404因此我们可以得出当自由度为1，置信度为90%时，得到临界值2.706.(6)作出决策根据53.4远大于2.703，卡方值大于临界值，得到拒绝原假设的结论，所以性别与线上买生鲜是相关的.方法二：输入程序：importnumpyasnpfromscipy.statsimportchi2_contingencydata=np.array([[200,110],[498,83]])kf=chi2_contingency(data)print(kf)输出结果：(52.28827874289513,4.792263379950344e-13,1,array([[242.85072952,67.14927048],[455.14927048,125.85072952]]))结果显示P值为4.792263379950344e-13，是一个近乎于很小的数，小于0.05，应该拒绝原假设，认为性别与购买生鲜有关.1.3小结案例二探究的是电商中消费者的性别与购买生鲜是否有关，运用方法一和方法二进行了探究，以上方法都是可行的，方法一通过比较统计量的关系判断关系，当得到的统计量远超过卡方分布的临界值，位于拒绝域内，所以拒绝原假设[15]。方法二通