Udførelse af en t-test i Python
For at udføre en t-test i Python, skal du blot angive den alternative hypotese og indikere, om variansen er nogenlunde ens (homogen).
Funktionen ttest_ind() i scipy.stats håndterer resten. Nedenfor ses syntaksen:
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Parametre:
a— det første stikprøve;b— det andet stikprøve;equal_var— angivTrue, hvis varianserne er omtrent ens, ogFalse, hvis de ikke er;alternative— typen af alternativ hypotese:'two-sided'— angiver, at gennemsnittene ikke er ens;'less'— indebærer, at det første gennemsnit er mindre end det andet;'greater'— indebærer, at det første gennemsnit er større end det andet.
Returnerede værdier:
statistic— værdien af t-statistikken;pvalue— p-værdien.
Fokus er på p-value. Hvis p-value er lavere end α (typisk 0,05), falder t-statistikken inden for det kritiske område, hvilket fører til accept af den alternative hypotese. Hvis p-value er større end α, accepteres nulhypotesen, hvilket indikerer, at gennemsnittene er ens.
Her er et eksempel på anvendelse af t-testen på højdedatasættet:
123456789101112131415import pandas as pd import scipy.stats as st # Load the data male = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/male.csv').squeeze() female = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/female.csv').squeeze() # Apply t-test t_stat, pvalue = st.ttest_ind(male, female, equal_var=True, alternative="greater") if pvalue > 0.05: # Check if we should support or not the null hypothesis if pvalue > 0.05: print("We support the null hypothesis, the mean values are equal") else: print("We reject the null hypothesis, males are taller")
Tak for dine kommentarer!
Spørg AI
Spørg AI
Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat
Awesome!
Completion rate improved to 2.63Udførelse af en t-test i Python
Stryg for at vise menuen
For at udføre en t-test i Python, skal du blot angive den alternative hypotese og indikere, om variansen er nogenlunde ens (homogen).
Funktionen ttest_ind() i scipy.stats håndterer resten. Nedenfor ses syntaksen:
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Parametre:
a— det første stikprøve;b— det andet stikprøve;equal_var— angivTrue, hvis varianserne er omtrent ens, ogFalse, hvis de ikke er;alternative— typen af alternativ hypotese:'two-sided'— angiver, at gennemsnittene ikke er ens;'less'— indebærer, at det første gennemsnit er mindre end det andet;'greater'— indebærer, at det første gennemsnit er større end det andet.
Returnerede værdier:
statistic— værdien af t-statistikken;pvalue— p-værdien.
Fokus er på p-value. Hvis p-value er lavere end α (typisk 0,05), falder t-statistikken inden for det kritiske område, hvilket fører til accept af den alternative hypotese. Hvis p-value er større end α, accepteres nulhypotesen, hvilket indikerer, at gennemsnittene er ens.
Her er et eksempel på anvendelse af t-testen på højdedatasættet:
123456789101112131415import pandas as pd import scipy.stats as st # Load the data male = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/male.csv').squeeze() female = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/female.csv').squeeze() # Apply t-test t_stat, pvalue = st.ttest_ind(male, female, equal_var=True, alternative="greater") if pvalue > 0.05: # Check if we should support or not the null hypothesis if pvalue > 0.05: print("We support the null hypothesis, the mean values are equal") else: print("We reject the null hypothesis, males are taller")
Tak for dine kommentarer!
