Kursinhalt

Statistik Lernen mit Python

1. Grundlagen

Stichprobe vs. Grundgesamtheit Arten der Statistik Datentypen Mittelwert Medianwert Medianwert Bei Gerader Anzahl Von Werten Mittelwert oder Median Modalwert Quiz zu Deskriptiver Statistik

2. Mittelwert, Median und Modus mit Python

Datensatz Untersuchen Berechnung von Mittelwert und Median mit Python Statistik mit Pandas Berechnung des Mittelwerts und Medians des Gehalts

3. Varianz und Standardabweichung

Populationsvarianz Stichprobenvarianz Varianz Mit Python Berechnen Standardabweichung Standardabweichung Mit Python Berechnung von Varianz und Standardabweichung

4. Kovarianz vs. Korrelation

Kovarianz Korrelation Quiz zu Kovarianz und Korrelation Kovarianz und Korrelation Berechnen

5. Konfidenzintervall

Datensatz Untersuchen Konfidenzintervall Berechnung des Konfidenzintervalls mit Python Quiz Zur Breite Des Konfidenzintervalls 95 %-Konfidenzintervall Berechnen Fortgeschrittene Berechnung von Konfidenzintervallen mit Python Funktionen Zuordnen

6. Statistische Tests

Was ist ein T-Test Hypothesen T-Test Mathematisch Einseitiger und Zweiseitiger Test Annahmen des T-Tests Durchführung Eines T-Tests in Python T-Test Durchführen Gepaarter t-Test

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:


python

Parameter:

a — die erste Stichprobe;
b — die zweite Stichprobe;
equal_var — auf True setzen, wenn die Varianzen ungefähr gleich sind, und auf False, 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:


              123456789101112131415
            
import 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")

War alles klar?

Danke für Ihr Feedback!

Abschnitt 6. Kapitel 6

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen