Stryg for at vise menuen

Gennemfør en t-test

En virksomhed ønsker at afgøre, om der er en signifikant forskel i produktivitetsniveauet mellem udviklere, der arbejder hjemmefra, og dem, der arbejder på kontoret. Heldigvis ved du allerede, at en t-test kan hjælpe med dette.

Virksomheden har to uafhængige udviklerteams: det ene arbejder eksternt, og det andet arbejder fra kontoret. Du har fået udleveret to filer, 'work_from_home.csv' og 'work_from_office.csv', som indeholder de månedlige opgavetællinger for hver udvikler.

Opgaven er at udføre en t-test. Virksomheden ønsker at vide, om udviklere, der arbejder fra kontoret, er mere produktive end hjemmearbejdende. Hvis det er tilfældet, vil de også tvinge det andet team til at arbejde fra kontoret. Hvis hjemmearbejdende er mere produktive, foretager virksomheden ingen ændringer. Den ønskede alternative hypotese er derfor: "Den gennemsnitlige produktivitet for kontorarbejdere er større end for hjemmearbejdere".

Lad os undersøge, om variansen er den samme:


              1234567
            
import pandas as pd

home_workers = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/work_from_home.csv').squeeze()
office_workers = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/work_from_office.csv').squeeze()
# Printing sample standard deviations
print('Home workers std:', home_workers.std())
print('Office workers std:', office_workers.std())

Den anden standardafvigelse er dobbelt så stor som den første, så varianserne er forskellige. Husk funktionen ttest_ind til at udføre et t-test.


python

Opgave

Swipe to start coding

Importér scipy.stats med aliaset st.
Udfør en t-test med følgende opsætning:
- Prøver: home_workers, office_workers;
- Alternativ hypotese: office > home;
- Ingen homogenitet af varians.

Løsning

Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder

Var alt klart?

Tak for dine kommentarer!

Sektion 6. Kapitel 7

Spørg AI

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

Gennemfør en t-test

Lad os undersøge, om variansen er den samme:


              1234567
            
import pandas as pd

home_workers = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/work_from_home.csv').squeeze()
office_workers = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/work_from_office.csv').squeeze()
# Printing sample standard deviations
print('Home workers std:', home_workers.std())
print('Office workers std:', office_workers.std())

Den anden standardafvigelse er dobbelt så stor som den første, så varianserne er forskellige. Husk funktionen ttest_ind til at udføre et t-test.


python

Opgave

Swipe to start coding

Importér scipy.stats med aliaset st.
Udfør en t-test med følgende opsætning:
- Prøver: home_workers, office_workers;
- Alternativ hypotese: office > home;
- Ingen homogenitet af varians.

Løsning

Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder

Var alt klart?

Tak for dine kommentarer!

Sektion 6. Kapitel 7

Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder