Kurssisisältö

Tilastotieteen Opiskelu Pythonilla

1. Peruskäsitteet

Otos vs Populaatio Tilastotieteen Tyypit Datan Tyypit Keskiarvo Mediaaniarvo Parillisen Määrän Arvojen Mediaaniarvo Keskiarvo Vai Mediaani Moodiarvo Kuvailevan Tilastotieteen Testi

2. Keskiarvo, Mediaani ja Moodi Pythonilla

Tutki Aineistoa Keskiarvon ja Mediaanin Laskeminen Pythonilla Tilastot Pandas-kirjastolla Keskiarvon ja mediaanipalkan laskeminen

3. Varianssi ja Keskihajonta

Populaatiovarianssi Otosvarianssi Varianssin Laskeminen Pythonilla Keskihajonta Keskihajonta Pythonilla Varianssin ja Keskihajonnan Laskeminen

4. Kovarianssi vs. Korrelaatio

Kovarianssi Korrelaatio Kovarianssi ja Korrelaatio -Kysely Kovarianssin ja Korrelaation Laskeminen

5. Luottamusväli

Tutki Aineistoa Luottamusväli Luottamusvälin Laskeminen Pythonilla Luottamusvälin Leveyden Testi Laske 95 %:n Luottamusväli Edistynyt Luottamusvälin Laskenta Pythonilla Yhdistä Funktiot

6. Tilastollinen Testaaminen

Mikä on t-testi Hypoteesit T-testi Matemaattisesti Yksisuuntainen ja Kaksisuuntainen Testi T-test-Oletukset T-testin Suorittaminen Pythonilla Suorita t-testi Parillinen t-testi

T-testin Suorittaminen Pythonilla

t-testin suorittaminen Pythonissa edellyttää vain vaihtoehtoisen hypoteesin määrittämistä sekä sen ilmoittamista, ovatko varianssit suunnilleen yhtä suuret (homogeeniset).

ttest_ind()-kirjaston scipy.stats-funktio hoitaa loput. Alla on syntaksi:

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

Parametrit:

a — ensimmäinen otos;
b — toinen otos;
equal_var — aseta arvoksi True, jos varianssit ovat suunnilleen yhtä suuret, ja False, jos eivät ole;
alternative — vaihtoehtoisen hypoteesin tyyppi:
- 'two-sided' — tarkoittaa, että keskiarvot eivät ole yhtä suuret;
- 'less' — tarkoittaa, että ensimmäinen keskiarvo on pienempi kuin toinen;
- 'greater' — tarkoittaa, että ensimmäinen keskiarvo on suurempi kuin toinen.

Paluuarvot:

statistic — t-testisuureen arvo;
pvalue — p-arvo.

Huomio kohdistuu p-value. Jos p-value on pienempi kuin α (yleensä 0,05), t-testisuure osuu kriittiselle alueelle, jolloin vaihtoehtoinen hypoteesi hyväksytään. Jos p-value on suurempi kuin α, nollahypoteesi hyväksytään, mikä osoittaa, että keskiarvot ovat yhtä suuret.

Alla on esimerkki t-testin soveltamisesta pituusaineistoon:


              123456789101112131415
            
import pandas as pd
import scipy.stats as st

# Load the data
male = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/male.csv').squeeze()
female = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/Testing2.0/female.csv').squeeze()

# Apply t-test
t_stat, pvalue = st.ttest_ind(male, female, equal_var=True, alternative="greater")

if pvalue > 0.05:
# Check if we should support or not the null hypothesis if pvalue > 0.05:
    print("We support the null hypothesis, the mean values are equal")
else:
    print("We reject the null hypothesis, males are taller")

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 6. Luku 6

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme