Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Parret T-test | Statistisk Testning
Lær Statistik med Python

Stryg for at vise menuen

book
Parret T-test

Følgende funktion udfører en parret t-test:

python

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 i baghovedet kan du gå videre til opgaven med at udføre en parret t-test.

Her har du data vedrørende antallet af downloads for en bestemt app. Se på stikprøverne: gennemsnitsværdierne er næsten identiske.

123456789101112
import 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')
copy
Opgave

Swipe to start coding

Hypoteser opstilles:

  • 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 med denne alternative hypotese, hvor before og after bruges som prøver.

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 6. Kapitel 8

Spørg AI

expand
ChatGPT

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

book
Parret T-test

Følgende funktion udfører en parret t-test:

python

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 i baghovedet kan du gå videre til opgaven med at udføre en parret t-test.

Her har du data vedrørende antallet af downloads for en bestemt app. Se på stikprøverne: gennemsnitsværdierne er næsten identiske.

123456789101112
import 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')
copy
Opgave

Swipe to start coding

Hypoteser opstilles:

  • 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 med denne alternative hypotese, hvor before og after bruges som prøver.

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 6. Kapitel 8
Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Vi beklager, at noget gik galt. Hvad skete der?
some-alt