Einen 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:
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.
Erinnerung an die Funktion ttest_ind
, um einen t-Test durchzuführen.
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
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.
- Importieren Sie die Bibliothek
scipy.stats
mit dem Aliasst
. - 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
).
- Speichern Sie die Ergebnisse in den Variablen
tstat
undpvalue
. - Drucken Sie abhängig vom
pvalue
eine der folgenden Nachrichten aus:
"We support the null hypothesis, the mean values are equal"
, fallspvalue > 0.05
."We reject the null hypothesis, the mean values are different"
andernfalls.
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
Awesome!
Completion rate improved to 2.63
Einen 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:
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.
Erinnerung an die Funktion ttest_ind
, um einen t-Test durchzuführen.
st.ttest_ind(a, b, equal_var=True, alternative='two-sided')
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.
- Importieren Sie die Bibliothek
scipy.stats
mit dem Aliasst
. - 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
).
- Speichern Sie die Ergebnisse in den Variablen
tstat
undpvalue
. - Drucken Sie abhängig vom
pvalue
eine der folgenden Nachrichten aus:
"We support the null hypothesis, the mean values are equal"
, fallspvalue > 0.05
."We reject the null hypothesis, the mean values are different"
andernfalls.
Lösung
Danke für Ihr Feedback!
single