Desliza para mostrar el menú

Realizar una Prueba T

Una empresa desea determinar si existe una diferencia significativa en los niveles de productividad de los desarrolladores que trabajan desde casa frente a aquellos que trabajan en la oficina. Por suerte, ya sabes que una prueba t puede ayudar con esto.

La empresa cuenta con dos equipos de desarrolladores independientes: uno trabaja de forma remota y el otro desde la oficina. Se te han proporcionado dos archivos, 'work_from_home.csv' y 'work_from_office.csv', que contienen los recuentos mensuales de tareas completadas por cada desarrollador.

La tarea consiste en realizar una prueba t. La empresa desea saber si los desarrolladores que trabajan en la oficina son más productivos que los que trabajan desde casa. Si es así, también obligarán al segundo equipo a trabajar desde la oficina. En caso de que los trabajadores desde casa sean más productivos, la empresa no realizará cambios. Por lo tanto, la hipótesis alternativa deseada es "La productividad media de los trabajadores de oficina es mayor que la de los trabajadores desde casa".

Verifiquemos si las varianzas son iguales:


              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())

La segunda desviación estándar es el doble de la primera, por lo que las varianzas difieren. Recordar la función ttest_ind para realizar una prueba t.


python

Tarea

Swipe to start coding

Importar scipy.stats usando el alias st.
Realizar una prueba t con la siguiente configuración:
- Muestras: home_workers, office_workers;
- Hipótesis alternativa: office > home;
- Sin homogeneidad de varianzas.

Solución

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 6. Capítulo 7

Pregunte a AI

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

Realizar una Prueba T

Verifiquemos si las varianzas son iguales:


              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())

La segunda desviación estándar es el doble de la primera, por lo que las varianzas difieren. Recordar la función ttest_ind para realizar una prueba t.


python

Tarea

Swipe to start coding

Importar scipy.stats usando el alias st.
Realizar una prueba t con la siguiente configuración:
- Muestras: home_workers, office_workers;
- Hipótesis alternativa: office > home;
- Sin homogeneidad de varianzas.

Solución

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

¡Gracias por tus comentarios!

Sección 6. Capítulo 7

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones