Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Einen t-Test Durchführen | Statistische Tests
Statistik Lernen mit Python

bookEinen t-Test Durchführen

Ein Unternehmen möchte feststellen, ob es einen signifikanten Unterschied im Produktivitätsniveau von Entwicklern gibt, die im Homeoffice arbeiten, im Vergleich zu denen, die im Büro arbeiten. Gut, dass Sie bereits wissen, dass ein t-Test dabei helfen kann.

Das Unternehmen hat zwei unabhängige Entwicklerteams: Eines arbeitet remote, das andere im Büro. Ihnen wurden zwei Dateien zur Verfügung gestellt, 'work_from_home.csv' und 'work_from_office.csv', die die monatlichen abgeschlossenen Aufgaben jedes Entwicklers enthalten.

Aufgabe ist die Durchführung eines t-Tests. Das Unternehmen möchte wissen, ob Entwickler, die im Büro arbeiten, produktiver sind als diejenigen im Homeoffice. Falls dies zutrifft, wird das zweite Team ebenfalls ins Büro beordert. Sollten die Homeoffice-Mitarbeiter produktiver sein, werden keine Änderungen vorgenommen. Die gewünschte Alternativhypothese lautet daher: "Die durchschnittliche Produktivität der Büroangestellten ist größer als die der Homeoffice-Mitarbeiter."

Überprüfen, ob die Varianzen gleich sind:

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())
copy

Die zweite Standardabweichung ist doppelt so groß wie die erste, daher unterscheiden sich die Varianzen. Erinnerung an die Funktion ttest_ind, um einen t-Test durchzuführen.

st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Aufgabe

Swipe to start coding

Sie vergleichen die Produktivität von Mitarbeitenden, die im Homeoffice und im Büro arbeiten. Ihr Ziel ist es, mithilfe eines t-Tests für unabhängige Stichproben festzustellen, ob Büroangestellte eine höhere durchschnittliche Produktivität als Homeoffice-Mitarbeitende aufweisen.

  1. Importieren Sie die Bibliothek scipy.stats mit dem Alias st.
  2. Verwenden Sie die Funktion st.ttest_ind(), um den t-Test mit folgender Konfiguration durchzuführen:
  • Stichproben: office_workers, home_workers.
  • Alternativhypothese: office > home.
  • Varianzen sind nicht gleich (equal_var=False).
  1. Speichern Sie die Ergebnisse in den Variablen tstat und pvalue.
  2. Drucken Sie abhängig vom pvalue eine der folgenden Nachrichten aus:
  • "We support the null hypothesis, the mean values are equal", falls pvalue > 0.05.
  • "We reject the null hypothesis, the mean values are different" andernfalls.

Lösung

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 6. Kapitel 7
single

single

Fragen Sie AI

expand

Fragen Sie AI

ChatGPT

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

close

Awesome!

Completion rate improved to 2.63

bookEinen t-Test Durchführen

Swipe um das Menü anzuzeigen

Ein Unternehmen möchte feststellen, ob es einen signifikanten Unterschied im Produktivitätsniveau von Entwicklern gibt, die im Homeoffice arbeiten, im Vergleich zu denen, die im Büro arbeiten. Gut, dass Sie bereits wissen, dass ein t-Test dabei helfen kann.

Das Unternehmen hat zwei unabhängige Entwicklerteams: Eines arbeitet remote, das andere im Büro. Ihnen wurden zwei Dateien zur Verfügung gestellt, 'work_from_home.csv' und 'work_from_office.csv', die die monatlichen abgeschlossenen Aufgaben jedes Entwicklers enthalten.

Aufgabe ist die Durchführung eines t-Tests. Das Unternehmen möchte wissen, ob Entwickler, die im Büro arbeiten, produktiver sind als diejenigen im Homeoffice. Falls dies zutrifft, wird das zweite Team ebenfalls ins Büro beordert. Sollten die Homeoffice-Mitarbeiter produktiver sein, werden keine Änderungen vorgenommen. Die gewünschte Alternativhypothese lautet daher: "Die durchschnittliche Produktivität der Büroangestellten ist größer als die der Homeoffice-Mitarbeiter."

Überprüfen, ob die Varianzen gleich sind:

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())
copy

Die zweite Standardabweichung ist doppelt so groß wie die erste, daher unterscheiden sich die Varianzen. Erinnerung an die Funktion ttest_ind, um einen t-Test durchzuführen.

st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Aufgabe

Swipe to start coding

Sie vergleichen die Produktivität von Mitarbeitenden, die im Homeoffice und im Büro arbeiten. Ihr Ziel ist es, mithilfe eines t-Tests für unabhängige Stichproben festzustellen, ob Büroangestellte eine höhere durchschnittliche Produktivität als Homeoffice-Mitarbeitende aufweisen.

  1. Importieren Sie die Bibliothek scipy.stats mit dem Alias st.
  2. Verwenden Sie die Funktion st.ttest_ind(), um den t-Test mit folgender Konfiguration durchzuführen:
  • Stichproben: office_workers, home_workers.
  • Alternativhypothese: office > home.
  • Varianzen sind nicht gleich (equal_var=False).
  1. Speichern Sie die Ergebnisse in den Variablen tstat und pvalue.
  2. Drucken Sie abhängig vom pvalue eine der folgenden Nachrichten aus:
  • "We support the null hypothesis, the mean values are equal", falls pvalue > 0.05.
  • "We reject the null hypothesis, the mean values are different" andernfalls.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 6. Kapitel 7
single

single

some-alt