使用scipy.stats.ttest_1samp得到p-value=0是否正确？

这个结果是完全正确的，核心原因如下：

• 超大样本量放大了统计差异：你的样本量达到了10000，属于极大型样本。单样本t检验的统计量计算公式为：
  t = (样本均值 - 假设总体均值) / (样本标准差 / √n)
  当n极大时，分母会被大幅缩小，哪怕样本均值（约0.67）和假设均值（0.60）的绝对差值看似不大，也会得到一个异常大的t统计量（你这里的t值超过62），对应的p值会趋近于0。

• 真实差异的精准捕捉：你的样本是从均值为0.67的总体中生成的，和假设的0.60确实存在真实差异。大样本量让统计检验拥有极高的功效，能检测到哪怕很小的真实差异，最终表现为极显著的结果。

• p值的显示精度限制：scipy返回的pvalue=0.0并非严格等于0，而是因为p值太小，小于双精度浮点数能表示的最小非零值（约2.2×10^-308），所以被显示为0。你可以直接打印p值的原始输出，大概率会得到一个极小的科学计数法数值，比如：

  result = scipy.stats.ttest_1samp(s, popmean=0.60, alternative='greater')
  print(result.pvalue)
  

• scipy版本的可靠性：你使用的1.9.1版本在大样本t检验的计算逻辑上是准确的，这个结果完全符合统计理论预期。

内容的提问来源于stack exchange，提问作者Giulia B.