Durchführung Eines T-Tests in Python
Um einen t-Test in Python durchzuführen, müssen lediglich die Alternativhypothese angegeben und festgelegt werden, ob die Varianzen ungefähr gleich (homogen) sind.
Die Funktion ttest_ind() aus scipy.stats übernimmt den Rest. Nachfolgend die Syntax:
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Parameter:
a— die erste Stichprobe;b— die zweite Stichprobe;equal_var— aufTruesetzen, wenn die Varianzen ungefähr gleich sind, und aufFalse, wenn sie es nicht sind;alternative— Art der Alternativhypothese:'two-sided'— zeigt an, dass die Mittelwerte ungleich sind;'less'— impliziert, dass der erste Mittelwert kleiner als der zweite ist;'greater'— impliziert, dass der erste Mittelwert größer als der zweite ist.
Rückgabewerte:
statistic— Wert der t-Statistik;pvalue— p-Wert.
Der Fokus liegt auf dem p-value. Ist der p-value kleiner als α (in der Regel 0,05), fällt die t-Statistik in den kritischen Bereich, was zur Annahme der Alternativhypothese führt. Ist der p-value größer als α, wird die Nullhypothese angenommen, was darauf hinweist, dass die Mittelwerte gleich sind.
Hier ein Beispiel für die Anwendung des t-Tests auf den Datensatz mit Körpergrößen:
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")
Danke für Ihr Feedback!
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Fragen Sie mich Fragen zu diesem Thema
Zusammenfassen Sie dieses Kapitel
Zeige reale Beispiele
Awesome!
Completion rate improved to 2.63Durchführung Eines T-Tests in Python
Swipe um das Menü anzuzeigen
Um einen t-Test in Python durchzuführen, müssen lediglich die Alternativhypothese angegeben und festgelegt werden, ob die Varianzen ungefähr gleich (homogen) sind.
Die Funktion ttest_ind() aus scipy.stats übernimmt den Rest. Nachfolgend die Syntax:
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Parameter:
a— die erste Stichprobe;b— die zweite Stichprobe;equal_var— aufTruesetzen, wenn die Varianzen ungefähr gleich sind, und aufFalse, wenn sie es nicht sind;alternative— Art der Alternativhypothese:'two-sided'— zeigt an, dass die Mittelwerte ungleich sind;'less'— impliziert, dass der erste Mittelwert kleiner als der zweite ist;'greater'— impliziert, dass der erste Mittelwert größer als der zweite ist.
Rückgabewerte:
statistic— Wert der t-Statistik;pvalue— p-Wert.
Der Fokus liegt auf dem p-value. Ist der p-value kleiner als α (in der Regel 0,05), fällt die t-Statistik in den kritischen Bereich, was zur Annahme der Alternativhypothese führt. Ist der p-value größer als α, wird die Nullhypothese angenommen, was darauf hinweist, dass die Mittelwerte gleich sind.
Hier ein Beispiel für die Anwendung des t-Tests auf den Datensatz mit Körpergrößen:
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")
Danke für Ihr Feedback!
