T de Student Pareada
La siguiente función realiza una prueba t pareada:
ttest_rel(a, b, alternative='two-sided')
Este proceso es similar al utilizado para muestras independientes, pero aquí no es necesario comprobar la homogeneidad de varianzas. La prueba t pareada explícitamente no asume que las varianzas sean iguales.
Tenga en cuenta que para una prueba t pareada, es fundamental que los tamaños de muestra sean iguales.
Con esta información en mente, puede proceder a la tarea de realizar una prueba t pareada.
Aquí tiene datos sobre el número de descargas de una aplicación en particular. Observe las muestras: los valores medios son casi idénticos.
123456789101112import pandas as pd import matplotlib.pyplot as plt # Read the data before = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/before.csv').squeeze() after = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/after.csv').squeeze() # Plot histograms plt.hist(before, alpha=0.7) plt.hist(after, alpha=0.7) # Plot the means plt.axvline(before.mean(), color='blue', linestyle='dashed') plt.axvline(after.mean(), color='gold', linestyle='dashed')
Swipe to start coding
Se está evaluando si un cambio ha incrementado el número promedio de descargas.
Se proporcionan dos conjuntos de datos — before y after — que representan el número de descargas antes y después de los cambios.
Las hipótesis son:
- H₀: El número medio de descargas antes y después de los cambios es el mismo.
- Hₐ: El número medio de descargas es mayor después de las modificaciones.
Realizar una prueba t pareada utilizando estas muestras y la hipótesis alternativa correspondiente.
- Utilizar la función
st.ttest_rel()para realizar una prueba t pareada. - Pasar
afterybeforecomo los dos primeros argumentos en este orden. - Establecer el argumento
alternative='greater'para comprobar si la media después es mayor que antes. - Almacenar los resultados en las variables
statsypvalue. - Utilizar el
pvaluepara determinar si se acepta o rechaza la hipótesis nula.
Solución
¡Gracias por tus comentarios!
single
Pregunte a AI
Pregunte a AI
Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla
What should I do next to conduct the paired t-test?
Can you explain what the histogram and mean lines indicate?
How do I interpret the results of the paired t-test?
Awesome!
Completion rate improved to 2.63T de Student Pareada
Desliza para mostrar el menú
La siguiente función realiza una prueba t pareada:
ttest_rel(a, b, alternative='two-sided')
Este proceso es similar al utilizado para muestras independientes, pero aquí no es necesario comprobar la homogeneidad de varianzas. La prueba t pareada explícitamente no asume que las varianzas sean iguales.
Tenga en cuenta que para una prueba t pareada, es fundamental que los tamaños de muestra sean iguales.
Con esta información en mente, puede proceder a la tarea de realizar una prueba t pareada.
Aquí tiene datos sobre el número de descargas de una aplicación en particular. Observe las muestras: los valores medios son casi idénticos.
123456789101112import pandas as pd import matplotlib.pyplot as plt # Read the data before = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/before.csv').squeeze() after = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/after.csv').squeeze() # Plot histograms plt.hist(before, alpha=0.7) plt.hist(after, alpha=0.7) # Plot the means plt.axvline(before.mean(), color='blue', linestyle='dashed') plt.axvline(after.mean(), color='gold', linestyle='dashed')
Swipe to start coding
Se está evaluando si un cambio ha incrementado el número promedio de descargas.
Se proporcionan dos conjuntos de datos — before y after — que representan el número de descargas antes y después de los cambios.
Las hipótesis son:
- H₀: El número medio de descargas antes y después de los cambios es el mismo.
- Hₐ: El número medio de descargas es mayor después de las modificaciones.
Realizar una prueba t pareada utilizando estas muestras y la hipótesis alternativa correspondiente.
- Utilizar la función
st.ttest_rel()para realizar una prueba t pareada. - Pasar
afterybeforecomo los dos primeros argumentos en este orden. - Establecer el argumento
alternative='greater'para comprobar si la media después es mayor que antes. - Almacenar los resultados en las variables
statsypvalue. - Utilizar el
pvaluepara determinar si se acepta o rechaza la hipótesis nula.
Solución
Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones¡Gracias por tus comentarios!
single
