Parillinen 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.
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.
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
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
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Awesome!
Completion rate improved to 2.63Parillinen 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.
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.
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
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 vaihtoehdoistaKiitos palautteestasi!
Awesome!
Completion rate improved to 2.63single
