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.
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.
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
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.
- Käytä
st.ttest_rel()
-funktiota parillisen t-testin suorittamiseen. - Anna
after
jabefore
ensimmäisinä kahtena argumenttina tässä järjestyksessä. - Aseta argumentiksi
alternative='greater'
testataksesi, onko keskiarvo jälkikäteen suurempi kuin ennen. - Tallenna tulokset muuttujiin
stats
japvalue
. - Käytä
pvalue
-arvoa päättääksesi, puolustetaanko vai hylätäänkö nollahypoteesi.
Ratkaisu
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
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?
Awesome!
Completion rate improved to 2.63
Parillinen 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.
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
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.
- Käytä
st.ttest_rel()
-funktiota parillisen t-testin suorittamiseen. - Anna
after
jabefore
ensimmäisinä kahtena argumenttina tässä järjestyksessä. - Aseta argumentiksi
alternative='greater'
testataksesi, onko keskiarvo jälkikäteen suurempi kuin ennen. - Tallenna tulokset muuttujiin
stats
japvalue
. - Käytä
pvalue
-arvoa päättääksesi, puolustetaanko vai hylätäänkö nollahypoteesi.
Ratkaisu
Kiitos palautteestasi!
single