Parillinen t-testi
Seuraava funktio suorittaa parittaisen t-testin:
python
Tämä prosessi muistuttaa riippumattomien otosten testiä, mutta tässä ei tarvitse tarkistaa varianssien homogeenisuutta. Parittainen t-testi ei oleta, että varianssit ovat yhtä suuret.
Huomioi, että parittaisessa t-testissä otoskokojen on oltava yhtä suuret.
Näiden tietojen perusteella voit siirtyä parittaisen t-testin suorittamiseen.
Tässä on tietoja tietyn sovelluksen latausmääristä. Tarkastele otoksia: keskiarvot ovat lähes identtiset.
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')
Tehtävä
Swipe to start coding
Hypoteesit asetetaan:
- H₀: Latausten keskiarvo ennen ja jälkeen muutosten on sama;
- Hₐ: Latausten keskiarvo on suurempi muutosten jälkeen.
Suorita parillinen t-testi tällä vaihtoehtoisella hypoteesilla käyttäen before ja after otoksia.
Ratkaisu
Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoistaOliko kaikki selvää?
Kiitos palautteestasi!
