听起来你在寻找一个equivalence test，其中一个例子是“两个单侧测试”（TOST）。SciPy没有内置的东西，但你可以执行两个单侧t检验。

import numpy as np
from scipy import stats
rng = np.random.default_rng(459324692354693456)
x = rng.normal(size=100)
y = rng.normal(size=100)

delta = 0.5  # "equivalence bound"
# H0: mean of distribution underlying `x` is equal to the mean of
# the distribution underlying `y - delta`.
# (some would replace "equal" with "less than or equal to"
# H1: mean of distribution underlying `x` is greater than the mean of
# the distribution underlying `y - delta`.
res1 = stats.ttest_ind(x, y - delta, alternative='greater')
print(res1)

# the other one-sided test
res2 = stats.ttest_ind(x, y + delta, alternative='less')
print(res2)

个字符
用Lakens 2018的话来说，“当两个 p 值中较大的一个小于α时，可以得出统计学等效的结论”。
statsmodels有一个函数ttost_ind。

from statsmodels.stats.weightstats import ttost_ind
ttost_ind(x, y, -delta, delta)

型
ttost_ind的第一个输出是两个p值中较大的一个，其余两个输出与上面的SciPy的两个输出匹配。

(0.00013198904382128585,
 (3.715303013401054, 0.00013198904382128585, 198.0),
 (-3.956379347715618, 5.298494654171652e-05, 198.0))

型