T-Test Durchführen
Ein Unternehmen möchte feststellen, ob es einen signifikanten Unterschied in den Produktivitätsniveaus 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 Aufgabenerledigungszahlen für jeden Entwickler enthalten.
Die Aufgabe besteht darin, einen t-Test durchzuführen. 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 wir, ob die Varianzen gleich sind:
1234567import 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())
Die zweite Standardabweichung ist doppelt so groß wie die erste, daher unterscheiden sich die Varianzen.
Zur Erinnerung: Die Funktion ttest_ind wird verwendet, um einen t-Test durchzuführen.
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Swipe to start coding
- Importieren Sie
scipy.statsmit dem Aliasst. - Führen Sie einen t-Test mit folgender Konfiguration durch:
- Stichproben:
home_workers,office_workers; - Alternativhypothese: office > home;
- Keine Varianzhomogenität.
- Stichproben:
Lösung
Danke für Ihr Feedback!
single
Fragen Sie AI
Fragen Sie AI
Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen
Zusammenfassen Sie dieses Kapitel
Code in file erklären
Erklären, warum file die Aufgabe nicht löst
Awesome!
Completion rate improved to 2.63T-Test Durchführen
Swipe um das Menü anzuzeigen
Ein Unternehmen möchte feststellen, ob es einen signifikanten Unterschied in den Produktivitätsniveaus 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 Aufgabenerledigungszahlen für jeden Entwickler enthalten.
Die Aufgabe besteht darin, einen t-Test durchzuführen. 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 wir, ob die Varianzen gleich sind:
1234567import 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())
Die zweite Standardabweichung ist doppelt so groß wie die erste, daher unterscheiden sich die Varianzen.
Zur Erinnerung: Die Funktion ttest_ind wird verwendet, um einen t-Test durchzuführen.
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
Swipe to start coding
- Importieren Sie
scipy.statsmit dem Aliasst. - Führen Sie einen t-Test mit folgender Konfiguration durch:
- Stichproben:
home_workers,office_workers; - Alternativhypothese: office > home;
- Keine Varianzhomogenität.
- Stichproben:
Lösung
Wechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwendenDanke für Ihr Feedback!
single
