Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Oppiskele Parillinen t-testi | Tilastollinen Testaus
Tilastotieteen Opiskelu Pythonilla

bookParillinen t-testi

Seuraava funktio suorittaa parittaisen t-testin:

ttest_rel(a, b, alternative='two-sided')

Tämä prosessi muistuttaa riippumattomien otosten testiä, mutta tässä ei tarvitse tarkistaa varianssien homogeenisuutta. Parittainen t-testi ei oleta, että varianssit ovat yhtä suuret.

On tärkeää huomioida, että parittaisessa t-testissä otoskokojen tulee olla yhtä suuret.

Näiden tietojen perusteella voit siirtyä parittaisen t-testin suorittamiseen.

Tässä on tietoja tietyn sovelluksen latausmääristä. Tarkastele otoksia: keskiarvot ovat lähes identtiset.

123456789101112
import 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')
copy
Tehtävä

Swipe to start coding

Testaat, onko muutos lisännyt latausten keskimääräistä määrää.

Käytössä on kaksi aineistoa — before ja after — jotka kuvaavat latausten määrää ennen ja jälkeen muutosten.

Hypoteesit ovat:

  • H₀: Latausten keskiarvo ennen ja jälkeen muutosten on sama.
  • Hₐ: Latausten keskiarvo on suurempi muutosten jälkeen.

Suorita parillinen t-testi näillä otoksilla ja käytä vastaavaa vaihtoehtoista hypoteesia.

  1. Käytä st.ttest_rel()-funktiota parillisen t-testin suorittamiseen.
  2. Anna after ja before ensimmäisinä kahtena argumenttina tässä järjestyksessä.
  3. Aseta argumentiksi alternative='greater' testataksesi, onko keskiarvo jälkikäteen suurempi kuin ennen.
  4. Tallenna tulokset muuttujiin stats ja pvalue.
  5. Käytä pvalue-arvoa päättääksesi, puolustetaanko vai hylätäänkö nollahypoteesi.

Ratkaisu

Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 6. Luku 8
single

single

Kysy tekoälyä

expand

Kysy tekoälyä

ChatGPT

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

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?

close

Awesome!

Completion rate improved to 2.63

bookParillinen t-testi

Pyyhkäise näyttääksesi valikon

Seuraava funktio suorittaa parittaisen t-testin:

ttest_rel(a, b, alternative='two-sided')

Tämä prosessi muistuttaa riippumattomien otosten testiä, mutta tässä ei tarvitse tarkistaa varianssien homogeenisuutta. Parittainen t-testi ei oleta, että varianssit ovat yhtä suuret.

On tärkeää huomioida, että parittaisessa t-testissä otoskokojen tulee olla yhtä suuret.

Näiden tietojen perusteella voit siirtyä parittaisen t-testin suorittamiseen.

Tässä on tietoja tietyn sovelluksen latausmääristä. Tarkastele otoksia: keskiarvot ovat lähes identtiset.

123456789101112
import 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')
copy
Tehtävä

Swipe to start coding

Testaat, onko muutos lisännyt latausten keskimääräistä määrää.

Käytössä on kaksi aineistoa — before ja after — jotka kuvaavat latausten määrää ennen ja jälkeen muutosten.

Hypoteesit ovat:

  • H₀: Latausten keskiarvo ennen ja jälkeen muutosten on sama.
  • Hₐ: Latausten keskiarvo on suurempi muutosten jälkeen.

Suorita parillinen t-testi näillä otoksilla ja käytä vastaavaa vaihtoehtoista hypoteesia.

  1. Käytä st.ttest_rel()-funktiota parillisen t-testin suorittamiseen.
  2. Anna after ja before ensimmäisinä kahtena argumenttina tässä järjestyksessä.
  3. Aseta argumentiksi alternative='greater' testataksesi, onko keskiarvo jälkikäteen suurempi kuin ennen.
  4. Tallenna tulokset muuttujiin stats ja pvalue.
  5. Käytä pvalue-arvoa päättääksesi, puolustetaanko vai hylätäänkö nollahypoteesi.

Ratkaisu

Switch to desktopVaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoista
Oliko kaikki selvää?

Miten voimme parantaa sitä?

Kiitos palautteestasi!

Osio 6. Luku 8
single

single

some-alt