Parret T-Test
Følgende funktion udfører en parret t-test:
ttest_rel(a, b, alternative='two-sided')
Denne proces ligner den, der anvendes for uafhængige stikprøver, men her behøver vi ikke at kontrollere homogenitet af varians. Den parrede t-test forudsætter ikke, at varianserne er ens.
Bemærk, at for en parret t-test er det afgørende, at stikprøvestørrelserne er ens.
Med denne information kan du fortsætte med opgaven om at udføre en parret t-test.
Her har du data om antallet af downloads for en bestemt app. Se på stikprøverne: gennemsnitsværdierne er næsten identiske.
123456789101112import pandas as pd import matplotlib.pyplot as plt # Read the data before = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/before.csv').squeeze() after = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/after.csv').squeeze() # Plot histograms plt.hist(before, alpha=0.7) plt.hist(after, alpha=0.7) # Plot the means plt.axvline(before.mean(), color='blue', linestyle='dashed') plt.axvline(after.mean(), color='gold', linestyle='dashed')
Swipe to start coding
Du tester, om en ændring har øget det gennemsnitlige antal downloads.
To datasæt er tilgængelige — before og after — som repræsenterer antallet af downloads før og efter ændringerne.
Hypoteserne er:
- H₀: Det gennemsnitlige antal downloads før og efter ændringerne er det samme.
- Hₐ: Det gennemsnitlige antal downloads er større efter ændringerne.
Udfør en parret t-test ved hjælp af disse prøver og den tilsvarende alternative hypotese.
- Brug funktionen
st.ttest_rel()til at udføre en parret t-test. - Angiv
afterogbeforesom de to første argumenter i denne rækkefølge. - Sæt argumentet
alternative='greater'for at teste, om gennemsnittet efter er større end før. - Gem resultaterne i variablerne
statsogpvalue. - Brug
pvaluetil at afgøre, om du skal understøtte eller forkaste nulhypotesen.
Løsning
Tak for dine kommentarer!
single
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 2.63Parret T-Test
Stryg for at vise menuen
Følgende funktion udfører en parret t-test:
ttest_rel(a, b, alternative='two-sided')
Denne proces ligner den, der anvendes for uafhængige stikprøver, men her behøver vi ikke at kontrollere homogenitet af varians. Den parrede t-test forudsætter ikke, at varianserne er ens.
Bemærk, at for en parret t-test er det afgørende, at stikprøvestørrelserne er ens.
Med denne information kan du fortsætte med opgaven om at udføre en parret t-test.
Her har du data om antallet af downloads for en bestemt app. Se på stikprøverne: gennemsnitsværdierne er næsten identiske.
123456789101112import pandas as pd import matplotlib.pyplot as plt # Read the data before = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/before.csv').squeeze() after = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/after.csv').squeeze() # Plot histograms plt.hist(before, alpha=0.7) plt.hist(after, alpha=0.7) # Plot the means plt.axvline(before.mean(), color='blue', linestyle='dashed') plt.axvline(after.mean(), color='gold', linestyle='dashed')
Swipe to start coding
Du tester, om en ændring har øget det gennemsnitlige antal downloads.
To datasæt er tilgængelige — before og after — som repræsenterer antallet af downloads før og efter ændringerne.
Hypoteserne er:
- H₀: Det gennemsnitlige antal downloads før og efter ændringerne er det samme.
- Hₐ: Det gennemsnitlige antal downloads er større efter ændringerne.
Udfør en parret t-test ved hjælp af disse prøver og den tilsvarende alternative hypotese.
- Brug funktionen
st.ttest_rel()til at udføre en parret t-test. - Angiv
afterogbeforesom de to første argumenter i denne rækkefølge. - Sæt argumentet
alternative='greater'for at teste, om gennemsnittet efter er større end før. - Gem resultaterne i variablerne
statsogpvalue. - Brug
pvaluetil at afgøre, om du skal understøtte eller forkaste nulhypotesen.
Løsning
Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående mulighederTak for dine kommentarer!
single
